Apaza Calcina Georjes Walter

UNIVERSIDAD NACIONAL DEL ALTIPLANO - PUNO
FACULTAD DE INGENIERÍA ECONÓMICA

ESCUELA PROFESIONAL DE INGENIERÍA ECONÓMICA
“FACTORES DETERMINANTES DE LAS EXPORTACIONES

PARA PRODUCTOS NO TRADICIONALES EN EL PERÚ:
PERIODO 2000-2018”
TESIS
PRESENTADA POR:
Bach. GEORJES WALTER APAZA CALCINA
PARA OPTAR EL TÍTULO PROFESIONAL DE:
INGENIERO ECONOMISTA
PROMOCIÓN 2018-I
PUNO – PERÚ
2019
DEDICATORIA
A mis padres José y Norma,
quienes, en el transcurso de
mi vida, siempre estuvieron
apoyándome y velando por mi
bienestar y educación.
A mi hermana Yeny y mi
hermano Darwin las personas
que siempre me apoyaron.
A Jheily, una persona

maravillosa quien siempre me
ha apoyado en todo.
AGRADECIMIENTOS
• A mis padres, quienes siempre me han apoyado y me han brindado todo lo
necesario para seguir adelante.
• A mi asesor Dr. Faustino Flores Lujano, por la orientación y ayuda que me brindo
a lo largo de la realización de esta tesis, también por la ayuda brindada durante mi
formación académica.
• A los miembros del jurado de tesis, conformado por: Dr. Eusebio Benique
Olivera, M. Sc. Marcel Edgard Huaclla Gomez, Dr. Roberto Arpi Mayta, por sus
recomendaciones y ayuda brindada.
• A todos los docentes de la Escuela Profesional de Ingeniería Económica por los
conocimientos recibidos durante mi formación académica.

ÍNDICE
ÍNDICE DE FIGURAS
ÍNDICE DE TABLAS
ÍNDICE DE ACRÓNIMOS
RESUMEN ..................................................................................................................... 11
CAPÍTULO I: INTRODUCCIÓN.................................................................................. 13
1.1. PLANTEAMIENTO DEL PROBLEMA ........................................................ 15
1.2. OBJETIVOS DE ESTUDIO ............................................................................ 29
CAPÍTULO II: REVISIÓN DE LITERATURA............................................................ 30
2.1. ANTECEDENTES .......................................................................................... 30
2.2. MARCO TEÓRICO ........................................................................................ 37
2.2.1. Economía internacional ............................................................................ 37
2.2.2. Comercio internacional............................................................................. 38
2.2.3. Efectos de la elasticidad de oferta de exportación en países en desarrollo

39
2.2.4. Teorema de la igualación de las remuneraciones de los factores ............. 40
2.2.5. Factores determinantes de las exportaciones ............................................ 45
2.2.6. Modelo macroeconómico dinámico de las exportaciones ........................ 50
2.3. MARCO CONCEPTUAL ............................................................................... 54
2.4. HIPÓTESIS DE LA INVESTIGACIÓN ......................................................... 61
CAPÍTULO III: MATERIALES Y MÉTODOS ............................................................ 63
3.1. DISEÑO DE INVESTIGACIÓN .................................................................... 63
3.1.1. Descriptivo ............................................................................................... 63
3.1.2. Analítico ................................................................................................... 63
3.1.3. Explicativo ................................................................................................ 64
3.2. POBLACIÓN Y MUESTRA........................................................................... 64
3.2.1. Muestra ..................................................................................................... 64

3.2.2. Fuentes de información ............................................................................ 64
3.2.3. Identificación de variables ........................................................................ 65
3.2.4. Modelo General ........................................................................................ 65
3.2.5. Técnicas de procesamiento y análisis de datos ......................................... 67
3.3. METODOLOGÍA ........................................................................................ 68
3.3.1. Para el objetivo específico N° 1 ............................................................... 68
CAPÍTULO IV: RESULTADOS Y DISCUSIÓN ......................................................... 82
4.1. HECHOS ESTILIZADOS ............................................................................... 82
4.1.1. Comportamiento de las exportaciones tradicionales y exportaciones no

tradicionales en el Perú ........................................................................................... 82
4.1.2. Comportamiento de las Exportaciones para productos no tradicionales .. 86
4.1.3. Composición de las exportaciones para productos no tradicionales por

productos y principales países de destino ............................................................... 94
4.2. COMPORTAMIENTO DE LAS VARIABLES MACROECONÓMICAS . 100
4.2.1. Comportamiento del Ingreso Personal Disponible Externo (EEUU) ..... 101
4.2.2. Comportamiento de los términos de intercambio ................................... 102
4.2.3. Comportamiento del tipo de cambio real bilateral ................................. 106
4.2.4. Estadísticas descriptivas de las series ..................................................... 106
4.2.5. Correlación de variables ......................................................................... 108
4.3. VARIABLES MACROECONÓMICAS QUE INFLUYEN

PRINCIPALMENTE EN LAS EXPORTACIONES PARA PRODUCTOS NO
TRADICIONALES EN EL PERÚ ........................................................................... 109
4.3.1. Contraste de raíces unitarias de las variables macroeconómicas ........... 109
4.4. RELACIONES A LARGO PLAZO DE LAS EXPORTACIONES PARA

PRODUCTOS NO TRADICIONALES Y EL INGRESO PERSONAL DISPONIBLE
EXTERNO, TÉRMINOS DE INTERCAMBIO Y TIPO DE CAMBIO REAL
BILATERAL ............................................................................................................ 114
4.4.1. Modelo de Largo Plazo de las exportaciones para productos no tradicionales
114
4.4.2. Numero de rezagos óptimos del VAR .................................................... 118
4.4.3. Análisis de cointegración multivariada de Johansen .............................. 119
4.4.4. Modelo de cointegración de Johansen .................................................... 120
4.4.5. Modelo de cointegración de contraste por bandas: El método de Pesaran,

Shin y Smith (PSS)................................................................................................ 121
4.4.6. Coeficiente de ajuste ............................................................................... 127
4.5. DISCUSIÓN .................................................................................................. 128
V. CONCLUSIONES ................................................................................................... 131
VI. RECOMENDACIONES ........................................................................................ 134
VII. REFERENCIAS BIBLIOGRÁFICAS .................................................................. 137
ANEXOS ...................................................................................................................... 140

ÍNDICE DE FIGURAS
Figura N°1: Efecto de inelasticidad En la oferta de exportación. .................................. 40

Figura N°2: Relación de precios de los bienes ............................................................... 42
Figura N°3: Relación de precios de los bienes ............................................................... 43
Figura N°4: Efectos de un aumento en la demanda extranjera. ..................................... 46
Figura N°5: Efecto dinámico de una depreciación en la balanza comercial “la curva j”.
Fuente: Copyright 2010 por León .................................................................................. 47
Figura N°6: Efecto de la caída del precio internacional sobre las exportaciones
tradicionales. Fuente: Copyright 2010 por León ............................................................ 49
Figura N°7: Efecto de un incremento del aumento del ingreso disponible .................... 49
Figura N°8: Exportaciones totales, exportaciones tradicionales, exportaciones no
tradicionales (2000-2018) ............................................................................................... 85
Figura N°9: Evolución de las exportaciones no tradicionales hacia EE UU. ................. 87
Figura N°10: Comportamiento de las exportaciones no tradicionales 2000-2018 ......... 90
Figura N°11: Composición de las exportaciones no tradicionales por grupo de productos
en los años 2000, 2005, 2010, 2015 y 2018 ................................................................... 97
Figura N°12: Exportaciones no tradicionales por sectores en el 2017 ........................... 97
Figura N°13: Exportaciones no tradicionales por principales países de destino en el 2011
........................................................................................................................................ 99
Figura N°14: Exportaciones no tradicionales por principales países de destino en el 2017
........................................................................................................................................ 99
Figura N°15: Comportamiento de las variables macroeconómicas LXNT, LIPDEX, LTI
Y LTCRB en el periodo: 2000.01-2018.12 .................................................................. 100
Figura N°16: variación anual del ingreso personal disponible externo ........................ 101
Figura N°17: Test de estabilidad CUSUM y CUSUM cuadrado ................................. 124
ÍNDICE DE TABLAS
Tabla N°1: Especificación de variables .......................................................................... 65

Tabla N°2: Productos de exportación no tradicional por sectores ................................. 95
Tabla N°3: Variación porcentual del nivel de exportación por productos durante el 2016,
2017 y 2018 .................................................................................................................... 98
Tabla N°4: Medidas de tendencia central ..................................................................... 107
Tabla N°5: Matriz de correlación entre las variables de estudio .................................. 108
Tabla N°6: Test de raíces unitarias en niveles y estacionariedad ................................. 111
Tabla N°7: Test de raíces unitarias en primeras diferencias y estacionariedad............ 113
Tabla N°8: Resumen de estimación del modelo I ........................................................ 115
Tabla N°9: Selección de rezago optimo ....................................................................... 119
Tabla N°10: Análisis de cointegración multivariada de Johansen ............................... 120
Tabla N°11: Vector de cointegración normalizada del modelo ................................... 120
Tabla N°12: Coeficientes normalizados de largo plazo (PSS) ..................................... 122
Tabla N°13: Test de cointegración de pesaran ............................................................. 123
Tabla N°14: Resumen de metodologías de cointegración ............................................ 124
ÍNDICE DE ACRÓNIMOS
BCRP : Banco Central de Reserva del Perú
EE. UU. : Estados Unidos
IPDEX : Ingreso Personal Disponible Externo
MINCETUR : Ministerio de Comercio Exterior y Turismo
TCRB : Tipo de Cambio Real Bilateral
TI : Términos de Intercambio
PBI : Productor Bruto Interno
XNT : Exportaciones para Productos no Tradicionales
XT : Exportaciones Tradicionales
MCO : Mínimos Cuadrados Ordinarios

RESUMEN
En el presente trabajo de investigación se analiza el comportamiento de las exportaciones
para productos no tradicionales y el de las variables determinantes de las exportaciones
para productos no tradicionales del Perú, durante el periodo 2000.01-2018.12, buscando
cuantificar, mediante un modelo econométrico las variables que influyen en las
exportaciones para productos no tradicionales ante las variaciones que estas puedan tener.
Las variables determinantes que hacemos mención son las siguientes: Valor de las
Exportaciones de productos no Tradicionales (medido en millones de dólares), términos
de Intercambio, el ingreso personal disponible externo (Estados Unidos), tipo de cambio
real bilateral. Las exportaciones para productos no tradicionales han ido creciendo con
gran magnitud durante los últimos años, por lo tanto, es necesario saber las variables que
influyen en este comportamiento, y de qué manera influyen, por ello el objetivo es
determinar los factores determinantes de largo plazo. Para realizar dicha estimación
utilizaremos el enfoque de la metodología multivariada de Johansen y el procedimiento
de contraste con Bandas: Método de Pesaran, Shin y Smith (PSS). Los resultados
muestran que las exportaciones han tenido un crecimiento durante los últimos 18 años,
así como también se observa que hay una mayor exportación de productos agropecuarios
durante los últimos años. En tanto, los factores relevantes de las exportaciones para
productos no tradicionales resultaron ser el ingreso personal disponible externo (Estados
Unidos), Termino de intercambio, tipo de cambio real bilateral, esperando que estas
variables influyan de manera directa en las exportaciones para productos no tradicionales.
Palabras claves: Exportaciones no tradicionales, ingreso personal disponible externo,
cointegración, Johansen, Pesaran Shin y Smith.
11
ABSTRACT
This research paper analyzes the behavior of exports for non-traditional products and that
of the determinants of exports for non-traditional products of Peru, during the period
2000.01-2018.12, seeking to quantify, through a metric economic model, the variables
that influence exports for non-traditional products due to the variations they may have.
The determining variables that we can mention are the following: Value of exports of
non-traditional products (terms in millions of dollars), terms of trade, external disposable
personal income (United States), bilateral real exchange rate. Exports for non-traditional
products have been growing with great magnitude during the last years, therefore, it is
necessary to know the variables that influence this behavior, and how they influence, so
the objective is to determine the determining factors of length term. To make this
modification, we will use the approach of the multivariate methodology of Johansen and
the procedure of contrast with Bands: Method of Pesaran, Shin and Smith (PSS). The
results that show the exports have had a growth during the last 18 years, as well as it is
observed that there is a greater export of agricultural products during the last years.
Meanwhile, the relevant factors of exports for non-traditional products turned out to be
external disposable personal income (United States), Term of exchange, bilateral real
exchange rate, hoping that these variables directly influence exports for non-traditional
products .
Keywords: Non-traditional exports, external disposable personal income, cointegration,
Johansen, Pesaran Shin and Smith.
12
CAPÍTULO I
INTRODUCCIÓN
Durante las últimas décadas la economía peruana ha atravesado cambios
estructurales muy fuertes en el mercado peruano ha sufrido un proceso de apertura externa
y ha permitido dinamizar el comercio exterior con diferentes países del mundo; en este
sentido, las exportaciones para productos no tradicionales fueron creciendo de manera
continua durante muchos años, llegando a alcanzar los 11 725 millones de dólares en el
2017, cifra que es más de 5 veces el valor que llego en el 2000.
Siendo los principales destinos de exportaciones no tradicionales, Estados Unidos
29%, Países Bajos 7%, Ecuador 6%, Chile 6%, y el resto de países 52% en el 2017.
Teniendo en cuenta que la evolución de las exportaciones para productos no
tradicionales ha tenido dos situaciones, durante el periodo 2000 al 2008 donde las
exportaciones no tradicionales tuvieron un crecimiento continuo llegando a 680 millones
de dólares en octubre del 2008, sin embargo a finales del 2008 tuvo un crecimiento
negativo llegando a alcanzar los 427 millones de dólares en abril del 2009, este
comportamiento se debió principalmente a la crisis financiera internacional que se había
desatado el 2008, el cual afecto directamente sobre las exportaciones peruanas. Después
de que pasara la crisis financiera el nivel de las exportaciones para productos no
tradicionales se recuperó (2009-2017) llegando a los 1253 millones de dólares a finales
del 2017.
En ese contexto, es de importancia contar con evidencia empírica de los factores
que determinan las exportaciones para productos no tradicionales en el Perú. Por tanto,
se tuvo como objetivos analizar el comportamiento de las exportaciones para productos
13
no tradicionales y determinar los principales factores determinantes en el largo plazo de
las exportaciones para productos no tradicionales del Perú, periodo 2000-2018. El tipo de
estudio es causal, el cual se estima desde la relación de largo plazo y corto plazo, con la
metodología de cointegración por bandas de Pesaran, Shin y Smith (PSS).
Dada la importancia del análisis, se desarrollan los principales capítulos: en el
segundo capítulo se desarrolla el planteamiento del problema, los antecedentes del
estudio, objetivos, marco teórico que apoya la hipótesis del trabajo y coadyuvan en la
explicación de los resultados obtenidos conforme a la teoría económica, marco conceptual
e hipótesis de la investigación; el tercer capítulo contiene la metodología de investigación
aplicado para el logro de los objetivos; el cuarto capítulo presenta los resultados y
discusión, para obtener una ecuación robusta que permita la explicación clara y objetiva
de las variables macroeconómicas que determinan las exportaciones de productos no
tradicionales del Perú en el período establecido en el estudio. Finalmente se presentan las
conclusiones, recomendaciones y anexos.
14
1.1. PLANTEAMIENTO DEL PROBLEMA
Los países que participan en el comercio internacional por dos razones básicas, y
ambas contribuyen a que obtengan ganancias del comercio. En primer lugar, los países
comercian porque son diferentes. Las naciones, como los individuos, pueden beneficiarse
de sus diferencias mediante una relación en la que cada uno hace aquello que sabe hacer
relativamente bien. En segundo lugar, los países comercian para conseguir economías de
escala en la producción. Es decir, si cada país produce solo una gama limitada de bienes,
puede producir cada uno de esos bienes a una escala mayor y, por tanto, de manera más
eficiente que si intentara producir de todo. En el mundo real, los patrones del comercio
internacional reflejan la interacción de estas dos razones.
Durante los últimos 18 años (2000-2018), el Perú ha tenido una tasa de
crecimiento de su economía (PIB) promedio alrededor de 4.9% promedio anual.
En este sentido en el Perú durante las últimas décadas las Exportaciones para
productos no tradicionales han tenido un crecimiento ostentoso, debido al incremento de
exportaciones hacia el país norteamericano y otros países del mundo.
Durante todo el intervalo de estudio de la investigación, Estados Unidos es el
principal país de destino de las exportaciones no tradicionales, de acuerdo a información
obtenida del MINCETUR y la SUNAT. Estados Unidos en el 2011 concentró el 23% de
las exportaciones no tradicionales, el 2013 concentro un 24%, e 2015 un 28% y el 2017
un 29%. Viendo claramente que el nivel de exportaciones hacia dicho país se incrementó
de forma significativa. Al igual el nivel de exportaciones hacia los Países Bajos tuvo un
crecimiento de 4% en el 2011 a 8% en el 2017, duplicando el nivel de exportaciones hacia
tal país. En tanto, los demás países de destino de las exportaciones no tradicionales son
Ecuador, Chile, España, Colombia Bolivia, China, Brasil, Reino Unido y el resto del
15
Mundo, lo cuales en su mayoría han mantenido un nivel de exportación que no ha variado
mucho entre el 2011 y 2017.
Las exportaciones para productos no tradicionales han tenido un comportamiento
creciente y decreciente en lo que se refiere como estructura porcentual de las
exportaciones totales, las exportaciones no tradicionales llegaron a representar el 31.1%
en el 2001, 21.5% en 21.5%, valor máximo y mínimo durante el periodo de estudio (2000-
2018).
Las exportaciones para productos no tradicionales, durante el periodo 2000 al
2014 se han incrementado de 2,044 millones de dólares hasta 11,677 millones de dólares,
es decir el valor que se tenía el año 2000 se ha quintuplicado en el 2014 esto debido a la
mayor apertura comercial del Perú hacia el mundo, así como el ritmo positivo de
crecimiento de exportaciones no tradicionales hacia el mercado estadounidense, a partir
de ese año disminuyo hasta 10,782 millones de dólares en el 2016, sin embargo, durante
los siguientes años volvió a incrementarse, llegando a sextuplicarse (6 veces) la cifra del
2000, llegando a los 13,240 millones de dólares en el 2018, el cual fue impulsado por una
mayor demanda de productos agropecuarios y pesqueros, así mismo el principal destino
de nuestros productos no tradicionales siguió siendo Estados Unidos. Las exportaciones
de productos no tradicionales han ido creciendo junto a las exportaciones de productos
totales.
Las exportaciones agropecuarias fueron creciendo constantemente a lo largo del
periodo de estudio, los principales productos son las uvas frescas, espárragos, paltas,
arándanos, entre otros. El crecimiento promedio anual de las Agroexportaciones No
Tradicionales (2009-2018) según Comex fue de 13.3%.
16
En cuanto al acceso a mercados, el desempeño comercial del sector agrícola en la
exterior evidencia un incremento y diversificación importante de las exportaciones de
productos durante la última década, como: café, cacao, espárragos frescos y en conservas,
así como banano, uvas, mangos, paltas, cítricos, y, recientemente, la quinua, entre otros.
Tal es así que, sólo entre el 2010 y 2014, las agroexportaciones (tradicionales y no
tradicionales) se incrementaron en un 56%. A pesar de ello, esta expansión no se ha
replicado en las exportaciones de otros productos como los forestales, en los que el país
no se ha desarrollado hacia el exterior en la misma medida, pese a la importante expansión
de la demanda mundial por este tipo de productos, lo cual da señales de una menor
capacidad de respuesta para atender los requerimientos internacionales. Igualmente, es
importante destacar que el Perú ha participado en diversos procesos de negociaciones
comerciales internacionales, como parte del desarrollo su política comercial, con el objeto
de profundizar y consolidar el acceso de bienes, servicios e inversiones en los mercados
internacionales (Ministerio de Agricultura y riego del Perú, 2016).
En promedio las Exportaciones para productos no tradicionales creció en 12%
durante el 2000-2018, llegando a incrementarse en más de seis veces el valor del año
2000.
La entrada en vigencia del Tratado de Libre Comercio (TLC) con los Estados
Unidos en el 2009, tuvo un fuerte impacto, trayendo consigo un crecimiento de las
exportaciones peruanas hacia el país norteamericano (incrementando el nivel de las
exportaciones para productos no tradicionales), siendo Estados Unidos el principal socio
comercial en lo que se refiere a exportaciones para productos no tradicionales.
Según el informe de transferencia de gestión 2010-II, el Perú cuenta con 23
acuerdos comerciales (19 vigentes y 4 por entrar en vigencia). Los acuerdos de libre
17
comercio permiten un tratamiento preferencial a los productos peruanos (bienes y/o
servicios), principalmente no tradicionales, a un total de 53 países en 4 continentes;
mientras que, en el 2008, los acuerdos de libre comercio cubrían parcialmente el comercio
con 8 países, todos de América Latina.
En el 2018 el Perú suscribió el Tratado Integral y Progresista para la Asociación
Transpacífica (CPTPP, por sus siglas en ingles), con los que ahora forma parte de uno de
los bloques económicos y comerciales más importantes del mundo, que concentra más
del 13% de Producto Bruto Interno mundial. De este modo se posiciona estratégicamente
dentro de la región Asia-Pacifico, beneficiándose con un enorme potencial de integración
a las cadenas regionales y globales de valor. El CPTPP es un bloque que constituye la
base de lo que en el futuro será la Zona Libre de Comercio del Asia-Pacifico (FTAAP
por sus siglas en ingles), cuyo objetivo sería lograr una mayor integración con nuestros
principales socios comerciales. De esta manera en octubre del 2018, el estado de la agenda
de negociaciones fue el siguiente:
-19 acuerdos de libre comercio vigentes (53 mercados de destino)
-4 acuerdos de libre comercio por entrar en vigencia (CPTPP, Australia, Guatemala y
Brasil).
-5 acuerdo de libre comercio en negociación (Acuerdo de Comercio de Servicios, TISA,
El Salvador, Alianza del Pacifico-Candidatos a Estados Asociados, Turquía e India).
-Posible inicio de negociación de 5 acuerdos (Indonesia, Cuba, Argentina, Uruguay y
China).
La apertura comercial del Perú hacia el mundo, ayudo mucho a que las
exportaciones peruanas crecieran rápidamente, en un contexto de creciente globalización
económica, el sector exportador tiene un rol fundamental como motor del crecimiento,
18
generador de empleo e impulsor del desarrollo de las naciones. Como parte de este
proceso, las negociaciones comerciales son instrumentos que permiten mejorar el acceso
a los mercados de nuestros principales socios comerciales y establecer reglas y disciplinas
claras y estables que normen el comercio exterior y que permitan otorgar seguridad a los
operadores para mantener e incrementar de manera sostenida sus distintas operaciones
(Ministerio de Comercio exterior y Turismo, n.d.).
Cabe señalar también que aparte de los acuerdos comerciales, el cual es un factor
determinante para las exportaciones no tradicionales, el otro factor que también ha
ayudado bastante a que los niveles de exportaciones no tradicional se incrementen en
grandes cantidades, fue la política de aranceles de los países importadores. A
continuación, mostraremos los programa y proyecto con los que cuenta el Ministerio de
Comerio Exterior y Turismo con los cuales busca fomentar y fortalecer las exportaciones:
Programa de Apoyo a la Internacionalización (PAI)
Este programa propuesto por el Ministerio de Comercio Exterior y Turismo,
cuenta con recursos por S/ 25 millones del Fondo Mipyme. El PAI está orientado a
fortalecer, promover e incentivar el proceso de internacionalización de las Micro,
Pequeñas y Medianas Empresas (MIPYMEs) peruanas contribuyendo a mejorar su
competitividad, minimizando sus riesgos y optimizando sus capacidades y habilidades de
gestión en proyectos de comercio exterior, mediante el cofinanciamiento no reembolsable
de actividades dirigidas a la internacionalización.
Proyecto de Cooperación UE-Perú en materia de asistencia técnica relativa al comercio
El Proyecto de Cooperación UE-Perú en materia de Asistencia Técnica Relativa
al Comercio (UE-PERU/PENX), tiene como objetivo general contribuir al desarrollo
económico y social del Perú y promover su imagen como país exportador, mediante el
19
desarrollo y consolidación de sus exportaciones y su integración comercial regional e
internacional. El monto total del aporte europeo será de diez millones de euros.
Banco Interamericano de Desarrollo
El objetivo de este Programa es mejorar la gestión de la política comercial del país
para contribuir a aumentar y diversificar sus exportaciones y mercados. Dicho objetivo
se realizará a través del fortalecimiento de la capacidad institucional para formular una
política comercial internacional eficaz, integral y consistente.
Estrategia Nacional de Biocomercio y su Plan de Acción al 2025
La “Estrategia Nacional de Biocomercio y su Plan de Acción al 2025″ es el
resultado de una labor conjunta y coordinada entre los miembros de la Comisión Nacional
de Promoción del Biocomercio y otros actores vinculados al desarrollo y promoción de
los productos derivados de la biodiversidad nativa, desarrollados bajo criterios de
sostenibilidad ambiental, social y económica, la cual será implementada por los mismos,
según corresponda, de conformidad con la normativa aplicable.
Programa Educativo Exportador – PECEX
El objetivo principal del “Programa Educativo Exportador” es la inclusión de los
conceptos de Comercio Exterior en el Diseño Curricular Nacional de Educación
Secundaria, desarrollando de esa manera herramientas fundamentales para el logro de
este objetivo. Entre las herramientas de dicho proyecto se encuentran: El Manual Docente
Guía de Comercio Exterior para la Educación Secundaria, el Texto Escolar de Comercio
Exterior (ahora Texto Educativo) y el Portal Educativo de Comercio Exterior (PECEX).
20
Exportafacil
Es un mecanismo promotor de exportaciones diseñado principalmente para el
micro y pequeño empresario, mediante el cual podrá acceder a mercados internacionales.
Ventanilla Única de Comercio Exterior – VUCE
La Ventanilla Unica se define como un mecanismo de facilitación que permite a
las partes involucradas en el comercio y el transporte alojar información estandarizada y
documentos en un solo punto de entrada para cumplir con todos los trámites de
importación, exportación y tránsito. Si la información es electrónica, la misma deberá ser
remitida una sola vez.
Red Nacional de Apoyo al Comercio Exterior
El Ministerio de Comercio Exterior y Turismo, lanzó la iniciativa de crear
plataformas de información y servicios en comercio exterior en aquellos puntos con una
alta concentración de empresas con potencial exportador, con la finalidad de desarrollar
una oferta de servicios en comercio exterior para las micro, pequeñas y medianas
empresas y facilitar su articulación con el mercado internacional, aprovechando las
ventajas que ofrecen los diferentes Acuerdos Comerciales suscritos por el Perú.
Premio MINCETUR
Es un programa de incentivos y/o reconocimiento, que otorga múltiples beneficios
a quienes participan del mismo y se convierten en ganadores en alguna de las categorías
presentadas en cada edición.
Mercado Brasilero
El portal brinda información actualizada sobre los requisitos de acceso al mercado,
intercambio comercial, logística y transporte, ferias y eventos, entre otros. De igual
21
manera sobre programas como Consolida Brasil y otros dirigidos a empresas
transportistas, agrícolas, textiles y proveedores de software. Regístrese y sea parte de
nuestro directorio de empresas logísticas.
Programa de Seguro de Credito a la Exportación para las PYMES – SEPYMEX
Programa respaldado en un fondo de $ 50 millones, que el Estado asigna a
COFIDE y éste mediante un operador (SECREX) cobertura con una póliza de seguro a
los bancos en el 50%.
PROMPERU
PROMPERÚ es un Organismo Técnico Especializado adscrito al Ministerio de
Comercio Exterior y Turismo, encargado de la promoción del Perú en materia de
exportaciones, turismo e imagen.
SIICEX
El Sistema Integrado de Información de Comercio Exterior (SIICEX) es un portal
que proporciona a la comunidad empresarial, especialmente a los exportadores peruanos,
información actualizada y clasificada para fortalecer e integrar sus negocios al mundo, la
misma que está organizada por perfiles en los siguientes módulos:
-INTELIGENCIA DE MERCADO: Estadísticas de Comercio Exterior: Reportes
nacionales e internacionales de exportación e importación. Información de Mercado /
Producto: Estudios, perfiles y reportes. Precios Referenciales Internacionales. Ficha País:
Información general y comercio exterior.
-PROMOCIÓN COMERCIAL: Directorio de Compradores Extranjeros: Más de 300 mil
compradores. Sistema de Oportunidades de Negocios: Demandas internacionales. Red de
Misiones en el Exterior: Portal con información de embajadas y oficinas en el exterior.
22
Eventos Comerciales: Ferias, misiones y otros eventos. Inteligencia de Eventos
Internacionales. Proyectos de Inversión.
-OFERTA EXPORTABLE: Directorio de Exportadores Peruanos: Más de 2.500
empresas clasificadas por sectores y productos. Fichas por Producto: Información técnica.
Biocomercio. Facilitación: Directorios de instituciones y organizaciones facilitadoras del
comercio nacional e internacional. Logística. Exportación de Servicios. Regiones.
-NEGOCIACIONES Y ACCESO A MERCADO: Políticas de Comercio Exterior,
Acuerdos Comerciales y Negociaciones, Calidad, Normas y Regulaciones, Información
para el Negociador.
-PROGRAMAS DE CAPACITACIÓN: Cursos presenciales y virtuales de los programas
de promoción y difusión de la cultura exportadora. Capacitación en línea, a través del
curso E- learning, sobre exportaciones y temas relacionados al comercio internacional.
-COMUNICACIÓN PERMANENTE: Ahora los exportadores peruanos tendrán una
ventana de comunicación permanente con: Un consultor de PROMPERU. Un negociador
de MINCETUR para transmitir sus inquietudes en temas de acceso a mercados. Los
consejeros comerciales del Perú en el exterior.
-HERRAMIENTAS DE INTERACCIÓN: Boletines especializados, encuestas y
mensajes de correo para estar siempre en contacto.
INFOCENTER
Es unidad de apoyo que promueve y facilita información especializada en temas
de exportaciones dirigido a empresarios exportadores, potenciales exportadores,
investigadores, estudiantes y público interesado en el mundo de la exportación. Sus
funciones son organizar, preservar y difundir la información sistematizada, para ello
23
cuenta con publicaciones, documentos y manuales. El INFOCENTER facilita diversa
información bibliográfica sobre exportaciones tales como directorios, estudios y perfiles
de mercados, datos estadísticos de comercio exterior y otras publicaciones.
Principalmente de la producción bibliográfica y documental institucional de PromPerú y
MINCETUR. Orientamos al usuario en la revisión de fuentes de información pertinentes
a su búsqueda y promueve el uso de herramientas de análisis e investigación de los
mercados internacionales a través de la Biblioteca Virtual.
OCEX
Objetivos
-Promoción de la oferta exportable, turística y artesanal peruana.
-Apertura y consolidación de mercados, especialmente de productos no tradicionales y
servicios.
-Proveer información para el sector exportador, turístico y artesanal y servir de enlace
con potenciales consumidores e inversionistas extranjeros.
-Cumplir con tareas orientadas al conocimiento de los mercados externos.
-Captar las oportunidades que existan, colaborando en la organización de la oferta
exportable, turística y artesanal.
-Identificar fuentes de inversión y de tecnología adecuadas al desarrollo económico
nacional.
Principales funciones
-Promover la apertura y consolidación de mercados de exportación, turísticos y de
inversiones
24
-Realizar acciones de inteligencia comercial y de prospección de mercados
-Establecer y mantener vínculos estratégicos con instituciones públicas y privadas en el
mercado asignado
-Apoyar y participar en las actividades relacionadas con el desarrollo del comercio, el
turismo, las inversiones y la imagen país, promovidas por instituciones públicas y
privadas del Perú en el mercado asignado y apoyar las iniciativas del sector privado
nacional en la búsqueda de nuevos mercados y la colocación de productos, a través de la
facilitación de información.
-Fortalecer la participación y presencia del Perú en las negociaciones comerciales
internacionales y de integración en su zona de adscripción, en el marco de la política
comercial del país.
-Proponer la participación de productos peruanos en las ferias comerciales
internacionales, organización de ruedas de negocios y de misiones empresariales de
compra y venta de productos y servicios de exportación, del turismo, y de fomento a la
inversión.
-Absolver las consultas de empresas y gremios empresariales del sector privado nacional
e internacional, referentes a las materias de comercio exterior, inversiones y turismo en
el ámbito de su competencia.
-Realizar el monitoreo y seguimiento de los contactos y de las oportunidades en las
diferentes actividades de promoción del comercio exterior, inversión y turismo. del valor
de los créditos pre-embarque que otorgan a las PYMES exportadoras.
La política de comercio exterior del Perú en los últimos años ha promovido de
forma agresiva una apertura comercial con el fin de insertar de manera exitosa al Perú en
25
la economía global. La inserción no solo depende de lograr acceso a nuevos mercados,
sino también de cómo el sector exportador aprovecha dicho acceso. Asimismo, aspectos
tales como innovación, movilidad de factores, transferencia de conocimientos y un
adecuado clima de negocios son fundamentales para asegurar una mayor diversificación
del comercio exterior.
La evidencia disponible para la última década muestra una creciente apertura
comercial de la economía peruana, reflejada en un aumento del ratio de exportaciones e
importaciones de bienes y servicios como porcentaje del PBI medido en términos reales,
desde 35 por ciento en 2002 a 41 por ciento en 2012 (Ruiz & Vera Tudela, 2012).
En contextos de creciente comercio exterior, la composición de las exportaciones
es un factor importante para determinar la sostenibilidad y la volatilidad del crecimiento
exportador. En comparación a las exportaciones tradicionales (XT) que se centran en
recursos primarios, las exportaciones no tradicionales (XNT) incluyen aquellos bienes
que tienen determinado grado de transformación o valor agregado, por lo que su
evolución tiene un impacto significativo sobre el PBI, la productividad agregada, los
ingresos y el empleo.
Durante la última década, el valor de las XNT casi se quintuplicó (de US $ 2 256
millones en 2002 a US $ 11 047 millones en 2012), con lo que las XNT registraron un
crecimiento promedio anual de 17,2 por ciento y representaron el 24,2 por ciento de las
exportaciones de bienes en 2012.
Las exportaciones han tenido un comportamiento mixto, con un aumento de solo
4,3 por ciento en promedio anual del volumen de las XT en tanto que el volumen de las
XNT ha crecido 11,4 por ciento anual. Así, a diferencia de las XT, la evolución del valor
26
de las XNT se explica principalmente por crecimiento de volúmenes y, en menor medida,
de precios (Ruiz & Vera Tudela, 2012).
En el año 2015, al cumplirse 7 de años del TLC firmado con los EEUU, Magali
Silva, ministra de Comercio Exterior y Turismo en el 2015, destaco el impulso que este
acuerdo comercial le ha dado a las exportaciones no tradicionales peruanas, generando
un crecimiento de 90,3% (Ministerio de Comercio exterior y Turismo, 2015).
En tanto, en el 2016 y 2017, el ministro de Comercio Exterior y Turismo, Rogers
Valencia, indico que en el caso de las exportaciones no tradicionales las exportaciones no
tradicionales, EE.UU. representa el primer mercado de destino del Perú al concentrar el
25% de las exportaciones totales, las cuales al primer semestre totalizaron US$ 1,615
millones (Gestión, 2018).
Por lo que, de acuerdo a estas declaraciones y reportes brindados por el
MINCETUR, EE. UU. es el principal socio comercial en lo que se refiere a exportaciones
de productos no tradicionales, por lo tanto, el ingreso personal disponible de EEUU es un
factor determinante para las exportaciones no tradicionales. Sin embargo, también cabe
destacar que según la Reserva Federal de San Luis, el ingreso disponible de los EE. UU.
ha ido creciendo llegando a casi duplicarse en el año 2018 en comparación al año 2000,
así como también nuestros niveles de exportación no tradicional han crecido fuertemente
durante los últimos 15 años (Banco Central de Reserva del Perú, 2019).
El tipo de cambio de real siempre ha sido una variable sumamente aludida en la
discusión de política económica, sin embargo, puesto que en diferentes estudios
realizados esta variable es considerada como uno de los factores determinantes.
La relación entre las exportaciones no tradicionales en Perú y sus determinantes
sigue siendo un tema importante para la investigación, Sin embargo, el rango de la
27
elasticidad de dicha relación varía considerablemente entre los diferentes estudios. En el
contexto internacional, la mayoría de estudios a nivel mundial encuentra una relación
significativa entre las exportaciones no tradicionales y el tipo de cambio real. Mesa, Cock,
& Jiménez (como se citó en Bustamante, 2015, p.2)
1.1.1. Enunciado del problema
En este sentido, en la presente investigación se pretende realizar un análisis de las
exportaciones para productos no tradicionales en el Perú y determinar cuáles son los
factores determinantes y como afectan (más o menos) el comportamiento de dicha
variable, al mismo tiempo.
La descripción de la investigación nos permite plantear las siguientes
interrogantes:
Problema General:
¿Cuál ha sido el comportamiento de las Exportaciones para productos no
Tradicionales y cuáles son los factores determinantes de las Exportaciones para productos
no tradicionales en el Perú en el periodo 2000.01-2018.12?
Problemas Específicos:
¿Cuál es el comportamiento de las Exportaciones para productos no tradicionales
en el Perú y porque ha estado creciendo en los últimos años?
¿Cuál es el comportamiento de los factores determinantes que afectan las
exportaciones para productos no tradicionales en el Perú?
¿Cuál es la relación a largo plazo de los factores determinantes de las
exportaciones para productos no tradicionales en el Perú?
28
1.2. OBJETIVOS DE ESTUDIO
1.2.1. Objetivo general
Analizar el comportamiento de las exportaciones para productos no tradicionales
y determinar los principales factores determinantes en el largo plazo de las exportaciones
para productos no tradicionales del Perú, periodo 2000.01-2018.12
1.2.2. Objetivos específicos
Analizar el comportamiento de las exportaciones para productos no tradicionales
y porque ha estado creciendo en los últimos años.
Analizar el comportamiento de los factores determinantes que afectan a las
exportaciones para productos no tradicionales en el periodo 2000.01-2018.12
Estimar y determinar los factores determinantes que influyen en el Largo Plazo en
las Exportaciones para productos no Tradicionales en el periodo 2000.01-2018.12
29
CAPÍTULO II
REVISIÓN DE LITERATURA
2.1. ANTECEDENTES
Castro Bejar & Llallahui Huamani, (2013) en su estudio, Determinantes de las
exportaciones no tradicionales de Perú: periodo 1994:01-2011:04, analiza los
determinantes de las exportaciones no tradicionales en el corto y largo plazo de Perú,
planteándose que el tipo de cambio real multilateral y el PBI de Estados Unidos y
Colombia, son los determinantes de las exportaciones no tradicionales en el corto y largo
plazo de Perú. Desarrolla su investigación haciendo uso de la metodología de
cointegración de Engle-Granger.
Los resultados obtenidos por el autor muestran el análisis de estacionariedad de
las variables, los valores del estadístico del test de Phillips-Perron al analizar y comparar
el valor absoluto del test es menor al %, 5% Y 10% de nivel de confianza que los valores
críticos de Mckinnon, por lo cual concluye que la serie, es una serie no estacionaria, es
decir no rechazamos la hipótesis nula Ho, como muestran sus resultados, así también, los
resultados obtenidos del análisis de estacionariedad en primeras diferencias, muestra que
las series son estacionarias, es decir rechazamos la hipótesis nula Ho. Luego de
transformar las series en base a una media, es decir diferenciamos las series con eviews.
Diferenciando las series obtenemos el siguiente gráfico notamos que las series fluctúan
en base a una media y que las series exhiben un comportamiento estacionario, entonces
podemos concluir que las series son integradas de orden uno I(1). Dado que después de
una diferenciación puede obtener procesos estacionarios.
Concluye mencionando que tomando en cuenta el comportamiento del
crecimiento del Producto Bruto Interno de Estados Unidos y Colombia, también se
30
establece una sensibilidad con los determinantes de las exportaciones no tradicionales,
con respecto al crecimiento del Producto Bruto Interno global. Esto implica que en un
periodo recesivo en el Perú afectaría el desempeño económico dado una disminución de
la producción nacional hacia esos países.
Vazques (2015), en su estudio “Determinantes del crecimiento agroexportador en
el Perú”, analiza los determinantes del crecimiento agrícola exportador entre los años
1998 y 2014. Sobre esa base, se plantean distintas posibilidades y limitaciones para un
mayor desarrollo del sector. Según esta autora, el notable crecimiento del sector agrícola
de los últimos años, es los resultados de la confluencia de múltiples factores, entre los
cuales menciona, el desarrollo tecnológico, así como su utilización, también toca el tema
de trabajo sanitario, al igual que la expansión de mercados de destino a través de los
Tratados de Libre Comercio.
Lazo Flores (2016), en su estudio de “Un Modelo de oferta Exportable para
Productos no Tradicionales del Perú 2004-2014”, analiza los determinantes de las
exportaciones no tradicionales en el Perú, utilizando como variables explicativas el
Ingreso Externo, Índice de Precio de las exportaciones, sobre las cuales el autor menciona
los siguiente: Un factor determinante para el crecimiento de las exportaciones no
tradicionales ha sido la suscripción y entrada en vigencia de los tratados de libre comercio
del Perú con los bloques económicos. En el periodo 2004-2015, de las exportaciones no
tradicionales por sectores, las exportaciones agropecuarias y agroindustriales tuvieron un
comportamiento creciente y dinámico, habiendo aumentado del 23% en el 2004 al 36%
en el 2015; mientras que en el sector textil y confecciones ha disminuido su participación
relativa del 25% al 13%. Los productos pesqueros y químicos también aumentaron su
participación relativa. El autor recomienda, diversificar aún más los productos de
exportación y que el estado brinde asistencia técnica para introducir nuevas tecnologías
31
para mejorar la productividad y calidad de productos de las empresas peruanas que
exportan hacia el mundo. También menciona fortalecer las instituciones de apoyo al
comercio internacional, buscar nuevos mercados, aprovechas las ventajas competitivas
que posee el Perú en los diferentes sectores de exportación no tradicional.
Bustamante (2007) en su estudio determinantes de las exportaciones no
tradicionales 1992-2007, analiza la relación entre las exportaciones no tradicionales en
Perú y sus determinantes ya que menciona que esta no ha sido estudiada a profundidad
en la literatura económica para el caso peruano. La mayoría de estos estudios a nivel
mundial encuentran una relación significativa entre las exportaciones no tradicionales y
el tipo de cambio real. Sin embargo, el rango de la elasticidad de dicha relación varía
considerablemente entre los diferentes estudios. A partir de ello realiza la estimación de
las elasticidades de largo plazo a partir de la consideración de la dinámica completa del
sistema y también interpreta las respectivas elasticidades mediante dos enfoques: a partir
del vector de cointegración hasta el análisis de la función de impulso respuesta. Además,
menciona que en los últimos 10 años (1996-2006), las exportaciones no tradicionales
crecieron 231 por ciento en términos nominales y 188 por ciento en términos reales. El
autor concluye diciendo que se confirman la existencia de una relación de largo plazo
entre las exportaciones no tradicionales, el índice del tipo de cambio real y la demanda
externa del resto del mundo, la Demanda Interna y el producto bruto interno. Pero, en el
corto plazo, no se encuentran, en general, efectos significativos de los cambios en la
demanda externa y en los precios relativos sobre las exportaciones.
Bustamante Romaní (2015) en su estudio determinantes de las exportaciones no
tradicionales durante 2002-2015, analiza las posibles relaciones existentes entre el nivel
de las exportaciones no tradicionales, con el PIB del país que demanda dichas
exportaciones y el índice de tasa de cambio real bilateral o multilateral según corresponda
32
y el nivel de empleo, también insistir en el debate académico el tema, que además de ser
poco estudiado científicamente. A partir de ello estima una función de demanda de XNT
utilizando análisis de cointegración donde se busca hallar una relación de largo plazo
entre las exportaciones no tradicionales, la demanda externa del RM y los precios
relativos internacionales. Luego estimar el mecanismo de corrección de error
correspondiente, que permita analizar al mismo tiempo el impacto del corto plazo ante
los shocks que afecten nuestras exportaciones. Concluyendo que se confirman la
existencia de una relación de largo plazo entre las exportaciones no tradicionales, el índice
del tipo de cambio bilateral y multilateral, la demanda interna y la demanda externa. Una
depreciación del tipo de cambio real bilateral ocasiona una caída en las exportaciones no
tradicionales, en -14.6 por ciento, esto debido a la posible existencia de un efecto hoja
balance. Un aumento del ingreso foráneo del 1% tiene un impacto positivo en las
exportaciones no tradicionales de un 6.1%, pero un aumento del ingreso doméstico
(LNPBI) en un 1% ocasiona una reducción de este en -27 %. El nivel de empleo tiene una
fuerte influencia en el nivel de exportaciones no tradicionales, este hallazgo nos muestra
la importancia de fomentar este sector generador de empleo.
Misas A., Ramirez G., & Silva E. (2001) En su estudio exportaciones no
tradicionales en Colombia y sus determinantes, analiza la relación entre las exportaciones
no tradicionales en Colombia y sus determinantes, estimando una función de demanda de
exportaciones no tradicionales en Colombia utilizando análisis multivariado de
cointegración. Los autores concluyen mencionando que los resultados empíricos,
integrando los conceptos de cointegración y exogeneidad, confirman la existencia de una
relación de largo plazo entre las exportaciones no tradicionales, los precios relativos y la
demanda externa. La existencia de una única relación de largo plazo, interpretable como
una función de demanda de exportaciones, y el carácter exógeno débil de los precios
33
relativos y de la demanda mundial permiten estimar un mecanismo de corrección de
errores uniecuacional y las elasticidades de largo plazo son asociadas a los coeficientes
del vector de cointegración, hecho rebatido en la literatura sobre cointegración
multivariada. Finalmente, no encuentra una relación de largo plazo entre las
exportaciones no tradicionales, los precios relativos, la demanda externa y la volatilidad
de la tasa de cambio.
Hernandez (2005), estudia las relaciones existentes entre el nivel de las
exportaciones no tradicionales colombianas totales, según los principales países de
destino, incorporando el PIB de éstos y el índice de tasa de cambio real bilateral o total.
Los resultados muestran mayor sensibilidad de las exportaciones no tradicionales a la
demanda externa que a los precios relativos. Las exportaciones con destino Venezuela
fueron más los grupos que satisficieron los criterios de cointegración en comparación con
las de destino a los Estados Unidos cuya única significancia se encontró para las
exportaciones no tradicionales industriales ante cambios en el producto de dicho país,
independiente de si se mide el precio de las mismas con el índice de tasa de cambio real
(ITCR) basado en el índice de precios al productor (IPP) o el índice de precios al
consumidor (IPC).
Zegarra Pérez (2013), en su estudio “Determinantes de las exportaciones
tradicionales y exportaciones no tradicionales en Bolivia 1990-2011(julio): análisis
interdependiente de largo plazo”, el autor menciona que Bolivia, en los últimos diez años,
ha alcanzado grandes progresos en las áreas de estabilización de precios, de disciplina
fiscal y avance en la liberalización de los mercados más importantes como son el mercado
cambiario y el mercado financiero. Pero el problema central de la economía boliviana
radica y ha radicado siempre en poder iniciar un proceso de crecimiento acelerado y
sostenido, para lo cual uno de los caminos más viables parece ser el desarrollo de las
34
exportaciones tradicionales y de las exportaciones no tradicionales. La investigación tiene
por objetivo comprobar si existe una relación entre las determinantes y/o si existe un
vínculo de largo plazo entre las exportaciones tradicionales y las exportaciones no
tradicionales, de los cuales concluye que si existe un vínculo de Largo Plazo, entre las
variables de Exportaciones Tradicionales y Exportaciones No Tradicionales, esto implica
que si se refuerza exportaciones tradicionales se puede mejorar indirectamente las
exportaciones no tradicionales, se confirma que son variables dependientes.
Augusto & Morales (2018), En su estudio “Determinantes de las exportaciones
tradicionales peruanas (periodo 2002-2016): usando un enfoque VEC”, buscar determinar
si existe una relación de equilibrio de largo plazo entre las exportaciones tradicionales
peruanas y sus posibles determinantes (el producto bruto interno de China, el precio
internacional del cobre y el tipo de cambio real sol – yuan), para el periodo 2002-2016.
Analiza el gran porcentaje que mantiene las exportaciones tradicionales dentro de la
balanza comercial peruana y debido a la gran influencia del precio de los commodities
mineros, la actividad económica china y las variaciones del tipo de cambio real bilateral
entre este país y el Perú, la presente tesis postula dichos factores externos y cambiarios
como posibles determinantes de las exportaciones tradicionales peruanas. Se verá que,
ante el hallazgo de una relación de equilibrio de largo plazo entre las variables
comentadas, un vector de corrección del error (VEC) es el modelo más adecuado para
explicar el comportamiento dinámico y la correlación entre estas variables. Dentro de los
hallazgos de esta tesis está que el PBI real chino impacta positivamente a las
exportaciones al menos durante el primer año de un shock externo. Además, al ser el yuan
una moneda débil, el tipo de cambio real bilateral Perú – China impacta negativamente a
nuestro país, cumpliéndose a cabalidad evidencias macroeconómicas como la curva J.
Concluyendo que el papel del producto bruto interno extranjero, el cual presenta un
35
impacto positivo significativo en las exportaciones peruanas. Esto quiere decir que ante
shocks externos (por actividad económica de países que son socios comerciales con el
Perú), el incentivo a exportar materias primas (productos históricamente más demandados
en el exterior) se ve incrementado, dando lugar a un aumento del valor de las
exportaciones peruanas.
Soto Vallejo (2011), en su investigación “Determinantes del Sector Exportador no
Tradicional del Departamento de Caldas y su Comportamiento en el Periodo 1980 a
2004”, pretende establecer algunos factores que determinan las exportaciones no
tradicionales del Departamento de Caldas, para lo cual se formula un modelo
econométrico en datos de panel. Además, se analiza el comportamiento de los sectores
más dinámicos y la evolución de dichas exportaciones desde 1980 hasta 2004, intentando
asociar el resultado con las hipótesis generales derivadas de algunos estudios empíricos.
La hipótesis propuesta es que el desarrollo del sector exportador del Departamento de
Caldas ha tenido un efecto positivo en la región y está determinado por la tasa de cambio
real, la demanda externa, el salario industrial y la producción local. Esta situación permite
señalar que dos factores exógenos: Tasa de Cambio Real y demanda y uno endógeno,
relacionado con la competitividad, se vinculan de manera fuerte con el crecimiento
exportador regional. La Tasa de Cambio Real ha sido fuertemente golpeada para los
exportadores por los efectos revaluativos recurrentes que ha vivido el país desde
mediados de los noventa (García, 2002). Algunos resultados obtenidos en la modelación
econométrica indican que los principales determinantes de las exportaciones no
tradicionales del departamento son las variables de oferta, específicamente los salarios de
la industria y el valor agregado, la demanda externa tomada como el PIB de los socios
comerciales, también resultó relevante para explicar las ENT. Las variables relacionadas
con los precios relativos, como Índice de Tasa de Cambio Real (ITCR) y Volatilidad de
36
la Tasa de Cambio Real (VOLTCR), teniendo el signo esperado, no resultan significativas
para explicar las ENT caldenses en el período estudiado.
Grupo de estudios del crecimiento económico (1999), hace un análisis de
diferentes estimaciones econométricas para las exportaciones no tradicionales,
considerando las variables más usadas y sus propiedades, como son: la tasa de cambio
real, las importaciones mundiales y por países, el PIB ponderado de los principales países
socios o regiones que reciben exportaciones no tradicionales, las importaciones de países
desarrollados y la inestabilidad de la tasa de cambio. Para el caso colombiano
consideraron una demanda externa completamente elástica y atendiendo el supuesto de
un país pequeño tomador de precios sólo se tienen en cuenta en la stimación de una
función de oferta de exportaciones no tradicionales. En consecuencia las cantidades
exportadas dependen sólo de los precios relativos (cuya variable proxy es el Índice de
Tasa de cambio Real - ITCR), y de las condiciones internas de oferta y demanda.
2.2. MARCO TEÓRICO
2.2.1. Economía internacional
La teoría de la economía internacional se puede dividir en dos grandes campos. El
comercio internacional, en donde su análisis se basa en las transacciones reales de la
economía internacional; por otro lado, tenemos las finanzas internacionales, el cual se
enfoca en el lado monetario de la economía internacional.
Los países industrializados han acaparado, a costa de los países desarrollados, una
importante cuota del mercado mundial de exportaciones e importaciones de productos
manufacturados; un próspero mercado internacional de capitales ha forjado nuevos
vínculos entre los centros financieros del mundo, pero también plantea dudas sobre la
estabilidad financiera global; las importantes fluctuaciones de los tipos de cambio
37
estructurales en los patrones del comercio, han generado presiones políticas que han
amenazado gravemente el sistema comercial internacional, por ello dentro de una
coyuntura de economías de mercado abierto, los flujos internacionales y la política
comercial internacional ha adquirido predominio en base a nuevas teorías del comercio
exterior y estructuras del mercado, en vez que sea a partir de la ventaja comparativa, que
ha sido un concepto central para afinar el concepto de equilibrio externo (Curo Coila,
2013).
2.2.2. Comercio internacional
Según Krugman, Obstfeld, & Melitz, (2012), los países participan en el comercio
internacional por dos razones básicas, y ambas contribuyen a que obtengan ganancias del
comercio. En primer lugar, los países comercian porque son diferentes. Las naciones,
como los individuos, pueden beneficiarse de sus diferencias mediante una relación en la
que cada uno hace aquello que sabe hacer relativamente bien. En segundo lugar, los países
comercian para conseguir economías de escala en la producción. Es decir, si cada país
produce solo una gama limitada de bienes, puede producir cada uno de esos bienes a una
escala mayor y, por tanto, de manera más eficiente que si intentara producir de todo. En
el mundo real, los patrones del comercio internacional reflejan la interacción de estas dos
razones. Sin embargo, como primer paso para entender las causas y los efectos del
comercio, es útil considerar los modelos simplificados en los que solo se presenta una de
dichas razones.
Aunque el concepto de la ventaja comparativa es sencillo, la experiencia
demuestra que es un concepto sorprendentemente difícil de entender (o aceptar) para
mucha gente. En efecto, Paul Samuelson (el premio Nobel que contribuyó en gran medida
a desarrollar los modelos de comercio internacional ha descrito la ventaja comparativa
38
como el mejor ejemplo que conoce de un principio económico que es indiscutiblemente
cierto, pero sigue sin ser obvio para personas inteligentes. En este capítulo empezamos
con una introducción general al concepto de la ventaja comparativa, para luego desarrollar
un modelo específico de cómo se determina el patrón de comercio internacional a través
de dicha ventaja.
2.2.3. Efectos de la elasticidad de oferta de exportación en países en desarrollo
Según Carbaugh (2009) se ilustran las curvas de oferta y demanda de un bien 𝑋,
donde la curva de oferta es altamente inelástica. El mercado está en un punto de equilibrio
𝐴, donde la curva de oferta del mercado 𝑂0 interseca la curva de demanda del mercado
𝐷0 . Los ingresos de los productores del bien 𝑋 se determinan al multiplicar el precio de
equilibrio 𝑃0 por la cantidad vendida 𝑄0 .
Si los ingresos extranjeros decrecen ocasionan que la curva de demanda del
mercado disminuya a 𝐷1 . Como la oferta del bien 𝑋 es inelástica, la disminución en la
demanda ocasiona una reducción significativa en el precio del mercado, de 𝑃0 a 𝑃1 , en
consecuencia, los ingresos de los productores caen. Parte de esta disminución representa
una caída en la utilidad del productor.
En conclusión, los precios y las ganancias del bien 𝑋 son altamente volátiles
cuando la oferta del mercado es inelástica esto se refleja en la figura 1.
39
Figura N°1: Efecto de inelasticidad En la oferta de exportación.
Copyright 2009 por Carbaugh
2.2.4. Teorema de la igualación de las remuneraciones de los factores
Según estudios de Ossa (2000), si los factores de producción fuesen perfectamente
móviles entre países, su remuneración sería igual en todo como consecuencia de dicha
movilidad. Si suponemos que los factores son perfectamente inmóviles entre países, pero
exista libertad del comercio internacional, ¿Qué va suceder con las remuneraciones de los
factores en los diferentes países? En relación con esto, se puede demostrar, bajo supuestos
muy restrictivos, que el libre comercio de bienes actúa como sustituto de la movilidad
internacional de factores, igualando tanto su remuneración relativa como absoluta a través
del mundo. Esto es lo que se conoce como el teorema de igualación de los precios de los
factores. Nótese que aquí estamos hablando en realidad de la remuneración que reciben
los factores y no del precio de un determinado factor como, por ejemplo, una máquina.
Bajo el supuesto usado en la teoría de Heckscher y Ohlin, menos el supuesto de
que las preferencias son iguales y homotéticas entre países; y con el supuesto adicional
de que en ninguno de dos países se produce especialización completa, el libre comercio
40
de bienes origina la igualación de precios relativos y absolutos de los factores entre los
países.
En la figura N°2, se muestra la relación de precios de los bienes. En el primer
cuadrante hemos representado la relación existente entre los precios relativos de los
factores y la proporción que estos son usados, pudiéndose observar para que todas las
relaciones de precios 𝑋1 es intensivo en 𝐾 y 𝑋2 es intensivo en 𝐿. En el cuarto cuadrante
aparece la relación entre el precio de los factores y el precio de los bienes. Como 𝑋2 es
intensivo en 𝐿, a medida que aumenta el precio relativo de este factor aumenta el precio
relativo de 𝑋2. Además, dado que para cada producto existe una intensidad de uso de
factores única, en precio relativo de 𝑋2 sube en forma monoatómica a medida que sube
𝑤/𝑟.
𝐾 𝐾 𝐾
Supongamos que ( 𝐿 ) y ( 𝐿 ) (medidos en el eje O ) corresponden a la
𝐼 𝐼𝐼 𝐿
proporción en que existe los factores entre los países I y II, respectivamente, (en el país I
el capital es relativamente abundante). El rango de precios de factores posibles en el país
II es CD. Para aclarar porque esto es así, supongamos que el país II se produce solo este
bien 𝑋1. En este caso la proporción en que se van a usar los factores en la producción de
𝐾
𝑋1 va a ser la proporción que existen ambos factores en el país II o sea ( ) . A esta
𝐿 𝐼𝐼
relación de uso de factores en la producción de 𝑋1 corresponde a una relación de precios
de factores OC. Por otro lado, el rango de precio de factores posibles en el país II está
dado por CD, que incluye todas las combinaciones intermedias de producción de ambos
bienes. Nótese que, a medida que se va de una posición en que se produce solo 𝑋1 hacia
combinaciones en que se produce cada vez más 𝑋2 , el precio relativo de L aumenta debido
a que el bien 𝑋2 es intensivo en L. O sea, a medida que se está remplazando 𝑋1 por 𝑋2 , se
está liberando “mucho” capital, por lo cual su precio relativo tiene que bajar para que se
41
use todo el stock de capital, aumentando la proporción en que se usa el capital de ambas
industrias. Esto último se puede visualizar claramente en la correspondiente Caja de
Edgeworth (no se incluye) al movernos a lo largo de la curva de contrato. En forma
análoga, la relación de precios de factores posibles en el país I es EF.
𝑃2
El rango de precios de bienes posibles en el país II es GH (eje O ) si no se
𝑃1
produce especialización completa. Si en autarquía se produce ambos bienes en el II, existe
una relación única entre precio de bienes y precio de factores. La especialización
completa.
En el país I el rango de precios de bienes posibles, si se producen ambos bienes,
es IJ. Como se observa en la figura N°2, este caso en que el stock relativo de los factores
es muy diferente, los rangos de precios de factores y de bienes posibles en un país no
tiene puntos comunes con los del otro, por lo cual necesariamente se produce
especialización completa en uno de los dos países al pasarse de la autarquía al libre
comercio.
Figura N°2: Relación de precios de los bienes

En la figura N°3 vemos claramente que, en este caso, no es posible la igualación
de precios de los factores, ya que lo rangos CD Y FE no tienen ningún punto en común.

42
Sin embargo, este caso está excluido por el supuesto que hemos hecho de que ningún país
se especializa totalmente, lo que significa que debemos considerar solo alternativas en
que los rangos de precios de factores tienen puntos en común, es decir, situaciones en que
la proporción en que existe los factores en cada país no es muy diferente. Esto es lo que
se observa en la figura N°3.
En este caso, el rango de precios de factores posible en el país II es CD y el rango
de precios de bienes posible en autarquía es GH, si no se produce especialización
completa. En el país I los rangos correspondientes son EF e IJ. Como hemos supuesto que
ningún país termina especializando totalmente, los términos de intercambio de equilibrio
bajo libre comercio tienen que estar entre I y H. A términos de intercambio entre G e I,
por ejemplo, el país I se especializará completamente en la producción de 𝑋1 . En el rango
de precios IH, que es el único posible dado el supuesto del que no se produce
especialización completa, en ambos países existe una relación única entre precio de bienes
y precio de factores. Por lo tanto, como el precio relativo de los bienes es el mismo en
cada país y dada la relación única entre precios relativos de bienes y factores, el precio
relativo de los factores es el mismo en ambos países.
Figura N°3: Relación de precios de los bienes
43
Bajo el supuesto de rendimientos contantes a escala no solo se van a igualar los
precios relativos de los factores entre países, sino que también los precios absolutos
medidos en cualquiera de los dos bienes. En efecto por el teorema de Euler tenemos:
(i) 𝑋1 = 𝐾𝑋1 𝑟 + 𝐿𝑋1
Dividiendo por 𝐾𝑋1
𝑋 𝐿𝑋1
(ii) 𝐾 1 = 𝑟 + 𝐾 𝑤 , de donde:
𝑋1 𝑋1
𝑋1
𝐾𝑋
1
(iii) 𝑟 = 𝐿𝑋 𝑤
1+ 1
𝐾𝑋 𝑟
1
Ahora bien, 𝑟 es igual en la producción de 𝑋1 y 𝑋2 dentro de cada país, por la
movilidad interna de factores. Pero también va a ser igual en el país I y el país II, porque
𝑤
si examinamos el lado derecho de la ecuación (ii) podemos ver que es igual a ambos
𝑟
𝐿𝑋1
países, como ya lo hemos demostrado. también es igual en el país I y en el país II,
𝐾𝑋1
porque al ser iguales los precios relativos de factores, en los dos países se van a usar los
factores en la misma proporción en la producción de 𝑋1. Por último, bajo rendimientos

𝑋
constantes a escala 𝐾 1 (el producto medio de capital) depende solo de la proporción en
𝑋1
que se usan los factores y es, por lo tanto, igual en ambos países. En consecuencia, 𝑟 la
remuneración absoluta de capital, es igual en ambos países. En forma análoga podemos
demostrar lo mismo para 𝑤.
Si se expande este modelo a uno de varios países, pero donde seguimos
manteniendo solo dos bienes y dos factores, el teorema sigue cumpliendo, dados los
supuestos anteriores. Si no solo tenemos más de dos países, sin que además considerar
más de dos bienes y más de dos factores, el teorema se va seguir cumpliendo mientras el
44
número de bienes y factores sean iguales. Sin embargo, cuando el número de factores es
diferente al número de bienes, el teorema se cumple en algunos casos y no se cumple en
otros.
2.2.5. Factores determinantes de las exportaciones
2.2.5.1. La demanda extranjera por los productos nacionales
En un modelo de economía abierta, un aumento en la demanda extranjera (𝑍𝑍)
hasta 𝑍𝑍‘ genera expansión de la producción total (𝑌) a 𝑌‘, parte de la cual sirve para
satisfacer la demanda nacional (𝐷𝐷) y en mayor parte la demanda extranjera. A su vez
esta mayor demanda genera que la economía aumente sus exportaciones (𝑁𝑋) a 𝑁𝑋‘
hacia el exterior, dinamizando así la economía interna y consecuentemente dada las
importaciones, se traduce una mejora de la balanza comercial, donde 𝐴 es el equilibrio
inicial de la balanza comercial, ante un aumento de la producción total (𝑌) a 𝑌‘, se
produce un aumento de las exportaciones, siendo 𝐴‘, en nuevo punto de equilibrio tal
como se observa en la figura 4.
45
Figura N°4: Efectos de un aumento en la demanda
extranjera. Fuente: Copyright 2012 Por Krugman,
Obstfed Y Melitz
2.2.5.2. Tipo de cambio real y las exportaciones
El tipo de cambio puede afectar de distintos modos algunas variables económicas
de importancia, lo cual puede motivar a las autoridades económicas a tomar diferentes
medidas de política cambiaria, esto en conjunción con otras medidas de política fiscal y
monetaria pertinentes para conseguir los objetivos deseados.
Blanchard, et al, 2012, explica que, para que la balanza comercial mejore tras una
depreciación (incremento del tipo de cambio real), las exportaciones deben aumentar lo
suficiente y las importaciones deben disminuir lo suficiente para compensar la subida del
precio de las importaciones. La condición según la cual una depreciación real provoca un
aumento de las exportaciones netas se conoce con el nombre de condición Marshall-
Lerner.
46
Las exportaciones de un país son explicadas fundamentalmente por el tipo de
cambio real, lo cual significa que existe una relación directa entre ambas variables. De
acuerdo a la condición Marshall – Lerner, una depreciación del tipo de cambio real mejora
la balanza comercial, si las elasticidades de las exportaciones (𝑒𝑥) e importaciones(𝑒𝑚)
superan a la unidad. En términos formales:
dXE
≥ 0, si (ex + em) ≥ 1
dTCR
No obstante, cuando ocurre una depreciación del tipo de cambio real los efectos
en la balanza comercial no se producen de manera instantánea, sino requiere un tiempo
para que pueda existir una mejora en la balanza comercial. En efecto, cuando el tipo de
cambio real aumenta, inicialmente empeora la balanza comercial porque el valor de las
importaciones aumenta, dadas las exportaciones. Posteriormente el volumen de las
exportaciones aumenta y de las importaciones disminuye, por lo que la balanza comercial
mejora por encima de la caída inicial. A este fenómeno se le conoce como la curva de
forma de “J”, que se muestra en la figura 5.
Figura N°5: Efecto dinámico de una

depreciación en la balanza comercial “la
curva j”. Fuente: Copyright 2010 por León
En la Figura 5 se describe la senda temporal de los flujos de comercio denominado
el efecto de la curva J, esta posición sugiere que a plazo muy corto la depreciación del
tipo de cambio real empeorará la balanza comercial de un país, desplazándose del punto
47
A al punto B, sin embargo, a medida que transcurra el tiempo puede mejorar hasta el
punto C, y posteriormente estará cerrando el déficit de la balanza comercial. Esto ocurre
porque el efecto inicial de la depreciación es un incremento en el gasto destinado a las
exportaciones; es decir, el precio de las importaciones en términos de la moneda nacional
se ha incrementado, pero el volumen no ha cambiado en razón de compromisos que
fueron contraídos con anterioridad. A medida que transcurre el tiempo, el efecto del ajuste
del volumen adquiere importancia, es decir, que el volumen de las importaciones
disminuye mientras que las exportaciones aumentan.
2.2.5.3. Precio Internacional frente a las exportaciones
De acuerdo a León (2010), Si la oferta de exportación es inelástica respecto al
precio una caída en el precio afectará negativamente a las exportaciones, es decir, habrá
una mayor caída en la exportación.
↓𝑃∗⇒𝑋↓
La oferta de productos tradicionales OT es inelástica, inicialmente se exporta la
cantidad 𝑄1 a un precio inicial de 𝑃0 . Dada la caída en el precio a 𝑃1 , la exportación
disminuye de 𝑄3 hasta 𝑄4 . Tal como se muestra en la figura siguiente:
48
Figura N°6: Efecto de la caída del precio
internacional sobre las exportaciones
tradicionales. Fuente: Copyright 2010 por
León
Ahora para el caso de las exportaciones no tradicionales, debemos mencionar que
somo una economía pequeña, la cual no puede modificar los precios internacionales, para
nuestro caso son solo datos que son ya determinados por las economías grandes del
mundo, entonces en nuestro caso la figura seria de la siguiente manera.
Figura N°7: Efecto de un incremento del aumento del

ingreso disponible
Como se observa en la figura, el incremento del ingreso disponible, hace que la
curva de la demanda extranjera se desplace hacia la derecha, incrementándose la cantidad
demandada. Como consecuencia el nivel de exportación se incrementará.
49
2.2.6. Modelo macroeconómico dinámico de las exportaciones
Comúnmente en la literatura económica, se especifica la ecuación de
exportaciones de acuerdo con un modelo reducido de sus funciones de oferta y demanda,
el cual se deriva de la maximización de una función de utilidad por parte de los agentes
racionales. En particular, los modelos, que siguen esta línea, consideran dos países: el
país doméstico, el cual se supone como una economía abierta y en desarrollo, y el país
extranjero.
Siguiendo a Misas A., 2001, la demanda de exportaciones del país doméstico, en
este caso Perú, se puede derivar desde la perspectiva del país extranjero, en este caso,
Estados Unidos y el resto, a través de la maximización de una función de utilidad inter-
temporal de un agente representativo en el país extranjero. Este agente representativo
consume bienes no transables producidos en el país extranjero (n) y bienes importados,
los cuales corresponden a las exportaciones del país doméstico, es decir, Perú (x). Así, el
funcional puede ser expresada como:
∞
U = ∫ e−βt u(nt , xt )dt
0
Donde β (> 0) representa una tasa constante de descuento, dado que todos los
argumentos de la función de utilidad están medidos en términos reales. Si se supone, por
simplicidad, que el funcional de utilidad proviene de una función Cobb- Douglas, la
expresión anterior puede re escribirse:
∞
U = ∫ [α ln(nt ) + (1 − α)ln (xt )]e−βt dt
0
Dónde: α es el parámetro que representa la participación de los bienes no
transables en la utilidad y 0 < α < 1.
50
El agente en el país extranjero maximiza su utilidad de acuerdo a una restricción
de presupuesto del gasto destinado al consumo total. Este presupuesto está determinado
por una dotación de bienes producidos internamente (d) y por las exportaciones de bienes
(m), las cuales son equivalentes a las importaciones de los países en vía de desarrollo, en
este caso, Perú. Adicionalmente, existe un presupuesto inicial (g). A la suma de estos tres
componentes se le debe restar lo gastado en consumo interno (n) y externo (x). Así, la
restricción de presupuesto se puede expresar de la siguiente manera:
pm px px
ġ = dt − nt + [ml ( ∗ ) − xt ( ∗ ) − g t ( ∗ ) ]
p p t p t
Donde:
px
( p∗ ): Relación entre el precio de las exportaciones del país extranjero, y el precio
de bienes importados por el país doméstico o país en vía de desarrollo, y el precio interno
en el país extranjero.
pm
( p∗ ): Relación entre el precio de bienes importados por el país extranjero, y el
precio de bienes exportados por el país doméstico, o país en vía de desarrollo, y el precio
interno en el país extranjero.
La solución del problema de maximización del agente se resuelve a partir del
siguiente Hamiltoniano:
H = α ln(nt ) + (1 − α) ln(xt ) e−βt
pm px px
+ λ [dt − nt + ml ( ) − x t ( ) − g t ( )] (1)
p∗ p∗ t p∗ t
De tal forma que, de la condición de primer orden se obtiene:
∂H α
= n e−βt − λ = 0 (2)
∂nt t
51
∂H (1−α) −βt px
= e − λ ( p∗ ) = 0 (3)
∂xt xt
∂H pm px px
= dt − nt + [ml ( p∗ ) − xt ( p∗ ) − g t (p∗ ) ] = 0 (4)
∂λ t t
De las ecuaciones (2) y (3) se deriva la relación entre el consumo de los bienes
producidos internamente por el país extranjero y las importaciones, es decir, las
exportaciones del país en vía de desarrollo. Se tiene:
α px
nt = (1−α) xt ( p∗ ) (5)
t
Debido a que el propósito de la investigación es establecer los determinantes de
largo plazo de las exportaciones para productos no tradicionales, la solución relevante
está dada en el estado estacionario, en el cual el crecimiento tanto de las variables de
control (nt , xt ) como la variable de estado (g t ) es igual a 0 y considerando que el
consumo de bienes no transables es equivalente a la dotación de bienes domésticos
(market clearing condition), es decir nt = dt , reemplazando dicha condición en la
ecuación (4) se obtiene la ecuación de los determinantes de las exportaciones del país en
vía de desarrollo, equivalente a las importaciones del país extranjero:
px pm px
xt ( p∗ ) = mt ( p∗ ) − g t ( p∗ ) (6)
t t t
En términos logarítmicos, la ecuación (9) puede re escribirse como:
pm px p∗
lnxt = ln [mt ( p∗ ) − g t ( p∗ ) ] − ln (px ) (7)
t t
Si se define:
Xt = lnxt
pm px
Wt = ln [mt ( ∗ ) − g t ( ∗ )
p t p t
52
p∗
Pt = ln ( x )
p
La ecuación estimable se plantea a través de la ecuación (8):
Xt∗ = μ + β1 Pt + β2 Wt + εt (8)
La ecuación (8) presenta una especificación tradicional del equilibrio de largo
plazo de la demanda de exportaciones. De tal forma que, en largo plazo, cualquier
desviación entre los valores observado y esperado de las exportaciones reales tiende a
desaparecer, es decir X t∗ = Xt . En particular, los determinantes básicos del logaritmo de
las exportaciones reales deseadas, Xt∗ , son los logaritmos de los precios relativos, cuyo
proxy es el índice de la tasa de cambio real, Pt , y una variable de escala que captura las
condiciones del ingreso mundial o demanda mundial, Wt . Donde un aumento en los
precios relativos, como, un incremento en la actividad económica mundial se reflejará en
un aumento en la demanda de exportaciones reales. Así, se espera que β1 > 0 y β2 > 0.
Y finalmente incluiremos los Términos de Intercambio (TI) como un factor
determinante de la Exportación para Productos no Tradicionales, asimismo, el ingreso
personal disponible externo (IPDEX) y el tipo de cambio real bilateral (TCRB).
La ecuación expuesta es para estimar los factores determinantes de las
exportaciones para productos no tradicionales del Perú en el periodo 2000 al 2018.
XNTt = β0 + β1 TCRBt + β2 IPDEXt + β3 TIt + εt
53
2.3. MARCO CONCEPTUAL
Exportaciones no tradicionales:
Las exportaciones no tradicionales constituyen productos de exportación que
tienen cierto grado de transformación o aumento de su valor agregado y que,
históricamente, no se transaban con el exterior en montos significativos.
Comercio internacional:
El comercio internacional es aquella actividad económica que se refiere al
intercambio de bienes y servicios entre todos los países del mundo.
El comercio internacional implica la compra, venta o intercambio de bienes y
servicios en diferentes divisas y formas de pago. Estos intercambios entre distintos países
o distintas zonas geográficas han ido en aumento gracias a la liberalización comercial y a
la eliminación de barreras arancelarias y no arancelarias.
Las economías que participan en el comercio internacional se conocen como
economías abiertas. Las economías abiertas son aquellas regiones o naciones cuyo
comercio está abierto al exterior. Lo que quiere decir que compran bienes y servicios del
exterior (importaciones) y venden bienes y servicios fuera de sus fronteras (exportan).
Dentro de las economías abiertas existen distintos grados de proteccionismo. Aquellas
cuyos aranceles son de menor cuantía, son más cercanas al librecambismo. Por el
contrario, aquellas que imponen aranceles altos se conocen como proteccionistas. Lo
contrario de las economías abiertas, son las economías cerradas. Las economías cerradas
no realizan intercambios con el exterior y, por tanto, no participan en el comercio
internacional. Un ejemplo de economía cerrada es la autarquía. Procura que el
intercambio con el exterior sea ínfimo y, por supuesto, no importa nada (se autoabastece).
54
Índice de términos de intercambio:
El índice de términos de intercambio de comercio exterior muestra la relación
entre los precios de las exportaciones y los precios de las importaciones y se obtiene del
cociente del índice de precios nominales de exportación y el índice de precios nominales
de importación. Un incremento (disminución) del índice señala una mejora (deterioro) en
la capacidad adquisitiva de las exportaciones del país, en relación a la de las
importaciones.
Desde junio de 2002, el índice de términos de intercambio se calculó con la
metodología del índice encadenado de Fisher. El índice de Fisher es un índice de precios
que mide la variación de precios de un período en función a dos índices de base fija -el
índice de Laspeyres (que compara precios ponderados con una canasta de bienes del
período base) y el índice de Paasche (que compara precios ponderados con una canasta
actual de bienes). Se calcula como la raíz cuadrada del producto de ambos índices. El
encadenamiento permite capturar la sustitución de bienes de una canasta ante cambios en
sus precios relativos, característica que no poseen los índices de base fija.
Adicionalmente, mantiene la representatividad del índice en el tiempo al utilizar periodos
previos sucesivos como base de comparación.
Hasta diciembre de 2006, el índice de precios de exportaciones se calculaba sobre
la base de los precios de exportación de cada producto de exportación tradicional y una
canasta de precios de nuestros principales socios comerciales para las exportaciones no
tradicionales. Similarmente, el índice de precios de importaciones se calculaba sobre la
base de los precios de importación de los alimentos y combustibles y la canasta de precios
de nuestros principales socios comerciales para el resto de importaciones.
55
A partir de enero de 2007, se adoptó un cambio metodológico para el cálculo de
los índices de precios de las exportaciones e importaciones, considerando que durante
2008 la evolución de los precios de las exportaciones no tradicionales y de los principales
insumos importados se distanció de la tendencia de la inflación externa. En el caso de las
exportaciones no tradicionales, se sustituyó la canasta de precios de nuestros principales
socios comerciales por los valores unitarios de las exportaciones no tradicionales
provenientes de la información aduanera (valor FOB/cantidad). Para las importaciones,
se efectuó un cálculo similar en el caso de los insumos importados.
El índice de términos de intercambio (TI) es el cociente entre el índice de precios
de las exportaciones (IPX) y el índice de precios de las importaciones (IPM) multiplicado
por 100:
ITX
TI = × 100
ITM
Tipo de cambio:
El tipo de cambio mide el valor de una moneda en términos de otra; en nuestro
caso, del dólar de los Estados Unidos de América con respecto al Sol. En un régimen de
flotación, el tipo de cambio refleja variaciones en la oferta y demanda de divisas. En tal
sentido, esta variable está influida, entre otros factores, por la evolución de los términos
de intercambio, los volúmenes de comercio exterior, los flujos de capital y cambios en
las decisiones de portafolio de las personas, empresas y bancos.
Índice de tipo de cambio real bilateral:
Índice de tipo de cambio real bilateral (Bilateral real Exchange rate index)
Indicador que mide el poder adquisitivo de la moneda de un país con relación a la de otro.
56
Bajo el enfoque de la Paridad de Poder de Compra puede definirse como el tipo de cambio
nominal ajustado por los precios relativos externos respecto a los internos.
Cuando el cálculo se realiza respecto a otro país se le conoce como tipo de cambio
real bilateral. Cuando se refiere a un conjunto de países, llamados socios comerciales, se
le conoce como tipo de cambio real multilateral.
El índice de tipo de cambio real bilateral del Sol respecto a la moneda del país “i”
se calcula de la siguiente manera:
S/.
EU.Mi . × IPCi∗
TCRB =
IPCPerú
S/.
EU.Mi . : Índice de Tipo de Cambio nominal del Sol respecto a la unidad monetaria
del país “i”.
IPCi∗ : Índice de Precios al Consumidor del país “i”
IPCPerú : Índice de Precios al Consumidor del Perú
Indicador que mide el poder adquisitivo de la moneda de un país con relación a la
de otro. Bajo el enfoque de la Paridad de Poder de Compra puede definirse como el tipo
de cambio nominal ajustado por los precios relativos externos respecto a los internos.
Asimismo, este coeficiente permite determinar en qué medida la devaluación de la
moneda nacional es superior al diferencial entre la inflación interna y la de otro país. El
tipo de cambio real de un país (país local) respecto de otro (país extranjero) es el precio
relativo de los bienes del país extranjero expresados en términos de bienes locales. El tipo
de cambio real viene dado por:
𝐸 × 𝑃∗
𝑒=
𝑃
57
Siendo:
𝑒: tipo de cambio real
𝐸: tipo de cambio nominal
𝑃 ∗ : deflactor del PIB del país extranjero
𝑃: deflactor del PIB local
Entonces, las variaciones del tipo de cambio real pueden deberse tanto a
variaciones en el tipo de cambio nominal, como a variaciones en los precios de los bienes
extranjeros, o a variaciones en los precios de los bienes locales.
Ingreso personal disponible
O después de Impuestos Ingreso Personal menos el Impuesto sobre la Renta
personal. Es el monto neto del cual pueden disponer las familias con fines de Gasto o
Ahorro.
El ingreso personal es el ingreso que las personas reciben a cambio de su provisión
de mano de obra, tierra y capital utilizados en la producción actual y los pagos netos de
transferencias corrientes que reciben de negocios y del gobierno. El ingreso personal es
igual a ingreso nacional menos ganancias corporativas con valoración de inventario y
ajustes de consumo de capital, impuestos a la producción e importaciones menos
subsidios, contribuciones para el seguro social del gobierno, intereses netos y pagos
varios sobre activos, pagos de transferencias corrientes comerciales (netas), excedente
actual de empresas gubernamentales y acumulaciones salariales menos desembolsos, más
recibos de ingresos personales por activos y recibos de transferencias personales
corrientes.
58
Ventaja competitiva:
Un país tiene ventaja comparativa en la producción de un bien si el coste de
oportunidad en la producción de este bien en términos de otros bienes es inferior en este
país respecto a otros países. De acuerdo con la Teoría Ricardiana del Comercio
Internacional, el comercio entre dos países puede beneficiar a ambos si cada uno exporta
los bienes en los que tiene una ventaja comparativa. La teoría de ventaja comparativa
defiende que los países deben especializarse en la producción de productos en los que
tienen una ventaja relativa, de forma que exportarán parte de estos productos e importarán
aquellos que otros países produzcan con menores costos relativos.
Oferta exportable:
Capacidad administrativa, económica y de gestión con la que cuentan las empresas
para asegurar volúmenes de producción de forma continua, que los mercados demandan
para satisfacer sus requerimientos.
Diversificación de la oferta exportable:
La política comercial del Perú ha permitido integrar al país a los grandes flujos
del comercio mundial. Los acuerdos comerciales brindan unos mecanismos diferentes
para las empresas peruanas y su correcto aprovechamiento genera oportunidades de
desarrollo a largo plazo, por los que sus beneficios deben ser maximizados para llegar en
condiciones de competitividad al mercado internacional. El aprovechamiento de los
acuerdos comerciales se da a través del impulso de las actividades empresariales, en
donde el Estado brinda las condiciones necesarias para el desarrollo de negocioso
competitivos, y el sector privado genera bienes y servicios con la capacidad de competir
en costos, tiempos y calidad en el mercado global.
59
Diversificación de las exportaciones no tradicionales:
El sostenido crecimiento de las Exportaciones no Tradicionales durante la última
década se debe en parte a su creciente diversificación; en este sentido, la evolución de las
Exportaciones no Tradicionales es consistente con una mayor penetración de productos
peruanos con valor agregado en los mercados internacionales. La diversificación de las
Exportaciones no Tradicionales puede observarse en dos dimensiones: hacia nuevos
mercados y mediante nuevos productos. De acuerdo a la evolución de los últimos diez
años, la diversificación de la oferta exportable peruana se ha realizado a través de ambos
canales.
Tratado de libre comercio:
Un tratado de libre comercio (TLC) es un acuerdo comercial vinculante que
suscriben dos o más países para acordar la concesión de preferencias arancelarias mutuas
y la reducción de barreras no arancelarias al comercio de bienes y servicios. A fin de
profundizar la integración económica de los países firmantes, un TLC incorpora además
de los temas de acceso a nuevos mercados, otros aspectos normativos relacionados al
comercio, tales como propiedad intelectual, inversiones, políticas de competencia,
servicios financieros, telecomunicaciones, comercio electrónico, asuntos laborales,
disposiciones medioambientales y mecanismos de defensa comercial y de solución de
controversias. Los TLC tienen un plazo indefinido, es decir, permanecen vigentes a lo
largo del tiempo por lo que tienen carácter de perpetuidad.
Acuerdo comercial:
Un acuerdo comercial es un convenio entre dos o más partes de cara al desarrollo
de una actividad de comercio común entre ellas. Este tipo de estrategia económica puede
60
ser emprendida por empresas, organizaciones privadas empresariales superiores o incluso
por naciones por medio de tratados comerciales.
Elasticidad
La elasticidad es una medida de la sensibilidad de una variable ante el cambio de
otra. Se define como el cambio proporcional en el valor de una variable, en relación al
cambio proporcional de otra variable:
ΔQ
(Q)
E =
ΔP
P
De acuerdo a la función que estamos analizando, se puede medir la elasticidad de
la demanda o la elasticidad de la oferta.
2.4. HIPÓTESIS DE LA INVESTIGACIÓN
2.4.1. Hipótesis general
Las exportaciones para productos no tradicionales han tenido un comportamiento
creciente, y a la vez están afectadas por los factores determinantes tales como los
Términos de intercambio, Ingreso Personal Disponible Externo (EE UU) y el tipo de
cambio real bilateral.
2.4.2. Hipótesis específicas
El comportamiento de las Exportaciones para productos no tradicionales es
creciente y es causada por la expansión de la economía mundial y la mayor apertura
comercial del Perú mediante los tratados de libre comercio.
61
El comportamiento de los factores determinantes que afectan a las exportaciones
para productos no tradicionales presenta una media cambiante en el tiempo.
A largo plazo los factores como los Términos de intercambio, Ingreso Personal
Disponible Externo (EE UU) y Tipo de Cambio Real Bilateral, afectan de manera positiva
al crecimiento de las Exportaciones para productos no Tradicionales.
62
CAPÍTULO III
MATERIALES Y MÉTODOS
3.1. DISEÑO DE INVESTIGACIÓN
Por el tipo de investigación, el presente estudio reúne las condiciones necesarias
para ser denominado como investigación de carácter cuantitativo y cualitativo, los tipos
de investigación a utilizar son el descriptivo y causal básicamente. Por lo que en la
investigación se utiliza la metodología deductiva lo cual involucra el análisis descriptivo
y causal sobre la información sistemática obtenida. Es decir, primeramente, tomamos
como referencia la literatura referida a las exportaciones incluyendo las variables que la
explican; en el segundo lugar, una vez halladas las relaciones causales reafirmamos la
teoría general de la cual partimos inicialmente.
3.1.1. Descriptivo
Esta metodología se utiliza para recoger, organizar, resumir, presentar, analizar,
generalizar, los resultados de las observaciones. Se propone este tipo de investigación
implica la recopilación y presentación sistemática de datos para dar una idea clara de una
determinada situación describir de modo sistemático las características de una población,
situación o área de interés. En el estudio descriptivo el propósito del investigador es
describir situaciones y eventos, esto es, decir como es y se manifiesta determinado
fenómeno (Tamayo, 2014).
3.1.2. Analítico
Es aquel método de investigación que consiste en la desmembración de un todo,
descomponiéndolo en sus partes o elementos para observar las causas, la naturaleza y los
efectos. El análisis es la observación y examen de un hecho en particular. Es necesario
conocer la naturaleza del fenómeno y objeto que se estudia para comprender su esencia.
63
Este método nos permite conocer más del objeto de estudio, con lo cual se puede: explicar,
hacer analogías, comprender mejor su comportamiento y establecer nuevas teorías.
3.1.3. Explicativo
Es aquella que tiene relación causal; no sólo persigue describir o acercarse a un
problema, sino que intenta encontrar las causas del mismo.
3.2. POBLACIÓN Y MUESTRA
3.2.1. Muestra
Se determina como muestra a la serie mensual de las variables bajo estudio en el
periodo 2000.01- 2018.12, los principales indicadores macroeconómicos (mensuales) a
emplearse en la presente investigación son los siguientes:
-Exportación para productos no tradicionales
-Tipo de cambio real bilateral
-Ingreso personal disponible externo (EE UU)
-Términos de intercambio
3.2.2. Fuentes de información
En la presente investigación las fuentes principales para la recopilación de la
información estadística son las publicaciones de entidades gubernamentales oficiales,
tales como Banco Central de Reservas del Perú (Exportaciones no tradicionales,
Términos de intercambio y Tipo de cambio real bilateral), Reserva Federal de San
Luis(Oficina de Análisis Económico de los Estados Unidos, n.d.) (Ingreso Personal
Disponible), Instituto Nacional de Estadística e Informática (INEI), Ministerio de
Comercio Exterior y Turismo (MINCETUR).
64
3.2.3. Identificación de variables
Las variables utilizadas en la investigación se representan en la siguiente tabla las
cuales son series mensuales.
Tabla N°1: Especificación de variables
XNT = f(TCRB, IPDEX, TI)
Exportaciones para Productos No

XNT Tradicionales
Ingreso Personal Disponible Externo (EE
IPDEX UU)
TI Términos de Intercambio
TCRB Tipo de Cambio Real Bilateral
Fuente: Elaboración propia
3.2.4. Modelo General
Para la estimación del objetivo, se formula el modelo empírico el cual permita
determinar los efectos del tipo de cambio real bilateral, Ingreso Personal Disponible
Externo (EE UU) y los términos de intercambio sobre las exportaciones para producto no
tradicionales en el Perú, para lo cual, planteamos el siguiente modelo de regresión lineal
múltiple:
XNT = f(TCRB, IPDEX, TI) (1)
Para el presente trabajo de investigación se especificará los modelos mediante una
relación logarítmica, es decir, las series serán transformadas en logaritmos, ya que una
característica importante en los trabajos empíricos es que los coeficientes de estas
variables transformadas miden la elasticidad de la variable dependiente con respecto a la
independiente, es decir el cambio porcentual en la variable dependiente ante el incremento
del 1% en la variable independiente. Siendo el modelo a estimar el siguiente:
65
y LXNTt = β0 + β1 LTCRBt + β2 LIPDEXt + β3 LTIt + εt (2)
Donde:
𝛽0 = Constante
𝛽𝑖 = Parámetros a ser estimados (miden la elasticidad)
𝜀𝑡 = Termino de perturbación
LXNT = Logaritmo Exportaciones para productos no tradicionales (expresado en
millones de dólares).
LTI = Logaritmo de los términos de intercambio
LIPDEX = Logaritmo de Ingreso Personal Disponible Externo (EE UU) (expresado en
miles de millones de dólares).
LTCRB = Logaritmo tipo de cambio real bilateral
Signos esperados:
𝛽1 = Para el tipo de cambio real bilateral, el signo esperado es positivo, porque los
exportadores recibirían más soles por sus productos, ya que, si el tipo de cambio real
bilateral sube, ellos podrán incrementar la exportación de productos no tradicionales.
𝛽2 = Para el Ingreso Personal Disponible Externo (EE UU), el signo esperado es positivo,
debido a que un incremento del ingreso externo, ocasiona un aumento en la cantidad
demandada y consecuentemente un incremento en la exportación.
𝛽3 = Para los términos de intercambio, el signo esperado es positivo, debido a que un
incremento de los términos de intercambio, ocasiona que las exportaciones se
incrementen.
66
En el movimiento conjunto en el largo plazo de las variables económicas del
modelo general a estimar cointegran. En otras palabras 𝜀𝑡 es estacionaria, de manera que
cualquier desviación de las exportaciones para productos no tradicionales debe ser
necesariamente temporal por naturaleza, ya que tiende converger a su equilibrio de largo
plazo. Despejando el término de error (𝜀𝑡 ) de la ecuación (2), tenemos la siguiente
expresión:
εt = LXNTt −β0 − β1 TIt − β2 LIPDEXt − β3 LTCRBt (3)
Dado que 𝜀𝑡 es estacionaria, la combinación derecha de la ecuación debe ser
también estacionaria. Para calcular la ecuación de largo plazo entre las variables del
modelo, se debe de cumplir que el error de equilibrio sea nulo (𝜀𝑡 = 0), la ecuación (3)
queda de la siguiente manera:
LXNTt −β0 − β1 LTIt − β2 LIPDEXt − β3 LTCRBt = 0 (4)
La estimación de la ecuación (4) se llevará a cabo por la metodología de contraste
por bandas de Pesaran, Shin y Smith, los cuales nos servirá para realizar una inferencia
estadística sobre los resultados obtenidos en las estimaciones econométricas. El
desarrollo de esta metodología se realiza posteriormente.
3.2.5. Técnicas de procesamiento y análisis de datos
Para el procesamiento y análisis de los datos en la investigación se hará uso de la
estadística y la econometría.
La estimación del modelo es importante para la toma de decisiones y explicar la
relación que existe entre las variables estudiadas: con el propósito de hacer predicciones
a partir de su interpretación, para esto es necesario que las series analizadas sean estables
y/o estacionarias y que exista entre ellas cointegración.
67
3.3. METODOLOGÍA
En los siguientes párrafos se desarrolla los métodos empleados para cada uno de
los objetivos:
3.3.1. Para el objetivo específico N° 1
Para poder lograr se utilizó la investigación descriptiva, que permitió conocer la
dinámica y el comportamiento de las exportaciones para productos no tradicionales
mediante el uso de estadística descriptiva, distribución de frecuencias y medidas de
tendencia central.
Para poder lograr se utilizó la investigación descriptiva, que permitió conocer la
dinámica y el comportamiento de los factores determinantes de las exportaciones para
productos no tradicionales mediante el uso de estadística descriptiva, distribución de
frecuencias y medidas de tendencia central.
Para poder lograr se utilizó la investigación causal, ya que se estimó un modelo
de regresión lineal múltiple a través de mínimos cuadrados ordinarios (MCO) para las
exportaciones para productos no tradicionales, la cual determinó la relación entre las
variables y validar el modelo, el test de raíz unitaria, el método de la cointegración
multivariada de Johansen y el procedimiento por bandas de PSS, y las pruebas
econométricas, como el test de White, Bresch-Godfrey, la normalidad de los errores.
CONTRASTES
Los contrastes que se realiza al modelo, son para validar los resultados del modelo,
estos contrastes nos ayudaran a ver la consistencia del modelo.
68
1. Prueba de raíces unitarias
Para determinar el orden de integración de las variables es necesarios llevar a cabo
pruebas de raíz unitaria, para lo cual se pueden utilizar los siguientes test:
i. Dickey – Fuller Aumentado (DFA)
Para determinar la presencia o no de raíces unitarias se realiza la estimación de
las siguientes regresiones.
Para la variable exportaciones para productos no tradicionales (XNT) Modelo
con tendencia en el tiempo
ρ
∆XNTt = a0 + a2 t + δXNTt−1 + ∑i=2 βt ∆XNTt−i+1 + εt (5)
Modelo con intercepto, pero sin tendencia

ρ
∆XNTt = a0 + δXNTt−1 + ∑i=2 βi ∆XNTt−i+1 + εt (6)
Modelo sin componentes determinísticos

ρ
∆XNTt = δXNTt−1 + ∑i=2 βi ∆XNTt−i+1 + εt (7)
Donde:
α0 : Es la constante (intercepto)
t: Tendencia
εt : Es una perturbación aleatoria (ruido blanco)
De la misma forma se plantea y estima para las demás variables macroeconómicas
incluidas en el modelo que son:
ii. Phillips Perron (PP)
Es una corrección no paramétrica de los procedimientos de Dickey-Fuller, además
supone que los términos de error pueden estas autocorrelacionados y ser
̂ ), ̂
heteroscedásticos. Tiene tres estadísticos llamados 𝑧(𝜏 ̂𝜏 ) y KPSS admite
𝑧(𝜏𝜇 ) y 𝑧(𝜏
69
también que los errores pueden estar autocorrelacionados y pueden ser heteroscedásticos.
Tiene sólo dos procesos generadores de datos: modelo con intercepto (𝜂µ ) y modelo con
tendencia más intercepto (𝜂𝜏 ).
iii. Contraste de Kwiatkwski, Phillips, Schmidt y Shin (KPSS)
Este contraste difiere de los descritos (DF y PP) en el que la serie 𝑌𝑡 se supone que
es estacionaria (en tendencia) bajo la hipótesis nula. El estadístico KPSS está basado en
los residuales de la regresión MCO de 𝑌𝑡 sobre las variables exógenas. Al igual que la
prueba PP, el test KPSS admite que los errores pueden estar autocorrelacionados y ser
heteroscedásticos. Tiene solo dos procesos generadores de datos:
-Modelo con intercepto 𝜂µ .
-Modelo con intercepto y tendencia 𝜂𝜏 .
2. Estimar la relación de equilibrio de largo plazo.
Para determinar si las variables están cointegradas, primeramente, se estima por
la metodología por mínimos cuadrados ordinarios (𝑀𝐶𝑂), el modelo de regresión lineal
múltiple (ecuación (2)), se calculan los residuos de dicho modelo y los denotamos por
{𝜀̂𝑡 }. Si dicho error es estacionario, la ecuación estimada esta cointegrada y existe una
relación de largo plazo entre las variables. Para determinar el orden de integración de los
residuales se puede utilizar los test de Dickey – Fuller, de la siguiente manera:
Δε̂t = γε̂t − 1 + μt (8)
La hipótesis nula es: HO : γ = 0, la {ε̂t } tiene una raíz unitaria, i.e. no existe
cointegración.
La hipótesis alterna es: H1 : γ < 0, la {ε̂t }~I(0) no tiene una raíz unitaria, i.e.
existe cointegración.
70
Para conocer el nivel de significancia, se usa las tablas de Engle Granger. Los
valores críticos dependen del tamaño de la muestra y el numero me variables usadas en
el análisis.
Si los residuales de la ecuación (8) no parecen ser ruido blanco (Estacionaria)
entonces utilizar la prueba de Dickey Fuller (sin intercepto ni tendencia):
Δε̂t = γε̂t − 1 + Σγi + 1ni = tΔε̂t − 1 + μt (9)
Nuevamente, si se rechaza la Ho se concluye que la secuencia de los residuales es
estacionaria y que las variables cointegran.
3. Metodología de cointegración multivariada de Johansen

En el caso de que existan inconvenientes en el procedimiento de estimación de
vectores cointegrantes se usará el método de cointegración de Johansen, el cual permite
contrastar simultáneamente el orden de integración de las variables y la presencia de
relaciones cointegrantes entre ellas. Asimismo, estima todos los vectores de
cointegración, además de que no se ve afectado por la endogeneidad de las variables
implicadas en la relación de cointegración, ya que, esta metodología está basada en la
estimación de un vector de autorregresivo (VAR).(Gujarati & Porter, 2010)
Especificación del modelo VAR
Se considera un vector VAR de orden p.
𝑥𝑡 = 𝛱1 𝑋𝑡−1 + 𝛱2𝑋𝑡−2 + ⋯ + 𝛱𝑡 𝑋𝑡−𝑘 + 𝛷𝐷 + 𝑡𝑢 + 𝜀𝑡 (10)
(𝑖 = 1,2,3 … 𝑇)
𝜀1 → 𝐼𝐼𝑁𝑝 (0, 𝛬),
71
Donde 𝜀1 , 𝜀2 , … , 𝜀𝑇 : Es un vector de variables aleatorios idéntica e independiente
distribuida, con media nula, varianza y covarianza 𝛬
𝑋𝑘+1 , … , 𝑋𝑛 : Es un vector de columna de orden 𝐾𝑥1, donde 𝑘 es el número de variables
del modelo.
𝑢: Es el vector de orden 𝐾𝑥1 de dos constantes o intercepto.
𝐷𝑡 : Representa variables dummies estacionales.
𝛱1 , 𝛱2 , … 𝛱𝑝 : Son matrices de coeficientes de orden (𝐾𝑥𝐾) recoge las relaciones de
cointegración.
𝑋𝑡 : Es un vector columna de orden (𝐾𝑥1) integrado de orden 1, donde 𝐾 es el número de
variables del modelo.
4. Evaluar adecuadamente el modelo

Es necesario realizar pruebas estadísticas que verifiquen la validez del modelo
estimado. Para tal efecto se realizan los siguientes test:
1. Prueba del multiplicador de Langrange: permite encontrar la existencia de
la autocorrelación de los residuos,
2. Prueba de normalidad de los residuos: permite conocer si los residuos de
los modelos siguen una distribución normal.
3. Prueba de heterocedasticidad de White: permite verificar que los residuos
son homocedasticos.
El contraste de White es una prueba de carácter general y no requiere el supuesto
de normalidad de los errores.
Procedimiento:
Modelo de referencia: 𝑌𝑡 = 𝛽0 + 𝛽1 𝑋1𝑡 + 𝛽2 𝑋2𝑡 + 𝑈𝑡
72
i. Estimar por MCO el modelo original y obtener los residuales y estimar un
̂𝑡 .
𝑈
ii. Estimar la siguiente regresión auxiliar.
̂𝑡 = 𝛼0 + 𝛼1 𝑋1𝑡 + 𝛼2 𝑋2𝑡 + 𝛼3 𝑋1𝑡

𝑈 2 2
+ 𝛼4 𝑋2𝑡 + 𝛼5 𝑋1𝑡 𝑋2𝑡 + 𝜀𝑡
Y obtener el 𝑅 2 .
iii. Estadístico de prueba.
𝑇𝑅 2 ~ 𝑋𝑝2 𝑔𝑙 : Prueba asintótica.
iv. Si 𝑇𝑅 2 > 𝑋 2
𝐻0 : Los residuales son homoscedásticos
𝛼1 = 𝛼2 = ⋯ = 𝛼5
Los parámetros irrestrictos (𝑢, 𝛷, 𝛱_1, … , 𝛱_𝐾, 𝛬) son estimados sobre la base de
T observaciones de un proceso de vector autorregresivo.
5. Estimar el modelo de corrección de errores (MCE)

Según Engle y Granger, el movimiento conjunto en el largo plazo de variables
económicas no estacionarias define el concepto de cointegración. Cuando las variables
están cointegradas, estas comparten alguna tendencia estocástica común que determina
sus oscilaciones de largo plazo. Por lo general, las combinaciones lineales de series
integradas de orden 1, es decir, 𝐼(1) (estacionarias en diferencias), son también 𝐼(1),
salvo si están cointegradas, caso en el que la combinación lineal es 𝐼(0). Dos series 𝑌𝑡 y
𝑋𝑡 pueden en efecto, presentar movimientos tendenciales estocásticos similares, de
manera que en una combinación lineal de estas series los componentes tendenciales se
compensan para dar una serie estacionaria.
El modelo de corrección de errores combina la presencia de los niveles de las
variables (que recogen las relaciones de largo plazo sugeridas por la teoría económica)
73
junto con las diferencias de dichas variables (que captan los desajustes existentes en el
corto plazo). La equivalencia de entre cointegración y modelo de corrección de errores
conocida como el teorema de representación de Granger, establece que un conjunto de
variables cointegradas puede modelarse mediante MCE y, a la inversa, si la especificación
de MCE es correcta, existe una relación de cointegración entre las variables implicadas.
Las variables macroeconómicas se expresan en primeras diferencias:
𝛥 = 1 − 𝐿, donde 𝐿 es el operador de retardos, puede ser escrito como:
𝛥𝑥𝑡 = 𝛤1 𝛥𝑋𝑡−1 + 𝛤2 𝛥𝑋𝑡−2 + ⋯ + 𝛤𝑡 𝛥𝑋𝑡−𝑝+1 + 𝛱𝑡 𝑋𝑡−𝑝 + 𝛷𝐷𝑡 + 𝑢 + 𝜀𝑡 (11)
Modelo de corrección de errores matricial (MCE):
𝛥𝑥𝑡 = 𝑢 + 𝛷𝐷𝑡 + ∑𝑟𝑖=1 𝛤𝑡 𝑋𝑡 + 𝛱𝑡 𝑋𝑡−𝑝 + 𝜀𝑡 (12)
Donde:
𝛤𝑖 = −(𝐼 − 𝛱1 , … , 𝛱𝑖 ) (𝑖 = 1,2,3, … , 𝑝 − 1)
𝛱 = −(𝐼𝑘 − 𝛱1 , … , 𝛱𝑝 )
Reescribiendo el modelo
𝛥𝑥𝑡 = 𝑢 + 𝛼𝛽´𝑋𝑡−1 + 𝛷𝐷𝑡 + 𝛤𝑡 𝑋𝑡−𝑝 + 𝜀𝑡 (13)
Donde:
𝛱 = (𝛼𝛽´), que contiene información acerca de las relaciones de largo plazo entre las
variables, llamado también matriz de impacto.
El propósito de la metodología de Johansen es determinar, si la matriz de 𝛱
contiene información acerca de las relaciones de largo plazo entre las variables en el
vector de datos, en el que hay tres posibles casos:
74
i. Rango (𝛱) = 𝑘, 𝑖. 𝑒. la matriz 𝛱 tiene rango completo (matriz no singular),
indicando que el proceso del vector 𝑋𝑡 es estacionario y el correcto MCE sería en niveles.
Intuitivamente esto sería debido a que entre variables sólo puede haber como máximo
(𝑘 − 1) vectores de cointegracion que forma una base en el espacio de cointegración.
ii. Rango (𝛱) = 0, es decir, la matriz 𝛱 es una matriz nula y la ecuación
corresponde al tradicional modelo VAR en diferencias. Las variables del vector 𝑋𝑡 serian
de 𝐼(1), por lo tanto, por lo tanto, no existe ninguna combinación lineal de variables no
estacionarias que fuera 𝐼(0), i.e., no habría ninguna relación de cointegración.
iii. 0 < 𝑟𝑎𝑛𝑔𝑜(𝛱) = 𝑟 < 𝑘 implicando que la matriz 𝛱 = 𝛼𝛽, donde 𝛽 son
los vectores de cointegración y 𝛼 es una medida de la importancia relativa de cada
variable en la combinación cointegrante en cada ecuación. Estas ponderaciones puden
recibir una interpretación económica en términos de velocidad de ajuste frente a
desequilibrios expresados como desviaciones respecto a las relaciones de largo plazo
determinadas por los vectores cointegrantes.
La metodología de cointegración de Johansen se basa principalmente en dos tipos
de contrastes: El estadístico de la traza (ratio de verosimilitud) y el estadístico del máximo
valor propio (Eigenvalues maximal).
Ambos estadísticos contrastan la hipótesis nula:
𝐻0 : 𝛼𝛽´ Para la elección 𝑟 = 𝐾, es:
𝐿𝑅𝑡 = −2𝑙𝑛 (𝑄; 𝐻2 /−2𝑙𝑛 (𝑄; 𝐻1 ∑𝑘𝑖=𝑟−1 𝑙𝑛 (1 − 𝜆̂̂) (14)
Donde 𝑇 es el número de observaciones y los 𝜆̂̂𝑖 son las raíces características
estimadas. Se contrasta la hipótesis nula (𝐻0 ) que hay como máximo 𝑟 vectores de
cointegración, frente a la matriz nula (𝐻1 ) de que hay 𝐾, 𝑡 ≤ 𝑘.
75
El estadístico de máximo valor propio, está dado por:
𝜆̂𝑚𝑎𝑥𝑖𝑚𝑎𝑙 = −𝑇𝑙𝑛(1 − 𝜆̂̂𝑡−1 ) (15)
Mediante la fórmula anterior el cual se contrasta 𝐻0 : 𝑟 ≤ 𝐾 frente a 𝐻1 : 𝑟 ≤ 𝑟 + 1.
Cabe señalar que las distribuciones de los estadísticos dependen del número de
relaciones de cointegración, por lo que los valores críticos varían en función del número
de estas.
La secuencia de contrastación seria empezar plantando la 𝐻0 : 𝑟 = 0 frente a la
alternativa de 𝐻0 : 𝑟 = 1, utilizando uno de los dos estadísticos.
Hipótesis de prueba:
𝐻0 : 𝑟 = 0 No existen vectores de cointegración
𝐻𝑎 : 𝑟 = 1 Existe un vector de cointegración
Regla de decisión
Se rechaza 𝐻𝑜 cuando el valor estadístico de la traza o el máximo valor propio sea
mayor que el valor critico seleccionado, normalmente el de 5%. Se rechaza 𝐻𝑎 cuando el
valor estadístico de la traza o el máximo valor propio sea menor que el valor critico
seleccionado. Si hubiera un segundo vector de cointegración las hipótesis serían las
siguientes:
𝐻0 : 𝑟 ≤ 0 Cuando más existe un vector de cointegración
𝐻𝑎 : 𝑟 = 2 Existe más de un vector de cointegración
Si los valores de los estadísticos de la traza y el máximo valor propio son mayores
que los valores críticos aun determinado nivel de confianza, entonces se rechaza la
76
hipótesis nula de no cointegración; es decir las series económicas están cointegradas y
por tanto es posible formular un modelo de corrección de errores.
6. Procedimiento de Contraste por Bandas: Método de Pesaran, Shin y
Smith (PSS)
El procedimiento propuesto por Pesaran, Shin y Smith presenta al menos tres
ventajas importantes frente a los dos enfoques alternativos habitualmente empleados en
la literatura empírica: la metodología uni-ecuacional de Engle y Granger y el método de
Johansen basado en un sistema de ecuaciones.
En primer lugar, ambos enfoques requieren que las variables objeto de estudio
sean integradas de orden 1. En el caso del procedimiento de contraste con bandas de PSS
permite el estudio de relaciones a largo plazo entre variables, independientemente de que
éstas sean integradas de orden 0[(0)], de orden 1[(1)] o mutuamente cointegradas.
En segundo lugar, el procedimiento de Pesaran, Shin y Smith, permite distinguir
entre la variable dependiente y las variables explicativas, por lo que posee una evidente
ventaja frente al método propuesto por Engle y Granger, al tiempo que, al igual que el
enfoque de Johansen, hace posible la estimación simultánea de los componentes de corto
y largo plazo, eliminando los problemas asociados con variables omitidas y la presencia
de autocorrelación.
Por último, mientras que los resultados de la estimación obtenidos por los métodos
de Engle y Granger o de Johansen no son robustos en muestras pequeñas, Pesaran y Shin
demuestran que los parámetros de corto plazo estimados por su procedimiento son √𝑇
consistentes y que los parámetros de largo plazo son super-consistentes en muestras
pequeñas.
77
p−1 p−1 p−1
∆xt = a0 + ∑ a1i ∆LXNTt−i + ∑ a2i ∆LIPX t−i + ∑ a3i ∆LIPDEX t−i

i=1 i=1 i=1
p−1
+ ∑ a4i ∆LTI t−i + a5 t + a6 LXNTt−1 + a7 LIPt−1

i=1
+ a8 LIPDEX t−1 + a9 LIPDEX t−1 ε1t
Donde Xt es LXNTt , LIPt , LTIt o LIPDEX t , y ∆ representa el operador de primeras
diferencias.
Para determinar la existencia de la relación de largo plazo, Pesaran, Shin y Smith
proponen dos contrastes alternativos. Por una parte, un estadístico F que contrasta la
significación conjunta del primer retardo de las variables en niveles empleadas en el
análisis (LXNTt−1 , LIPt−1 , LIPDEX t−1 , LTIt−1). Por otra parte, un estadístico t que
contrasta la significatividad individual de la variable dependiente en niveles retardada (
Xt−1).
PSS proporcionan un conjunto de valores críticos suponiendo, en primer lugar,
que las variables objeto de estudio son I(1) y, en segundo lugar, que dichas variables son
I(0). Estos autores proponen un procedimiento de contraste con bandas, de tal forma que,
si el estadístico F o el estadístico t se encuentran fuera de la banda de valores críticos, se
puede extraer una conclusión acerca de la existencia o no de una relación de largo plazo
entre las variables en niveles sin necesidad de conocer previamente el orden de
integración de las series examinadas. Sin embargo, si los mencionados estadísticos se
encuentran dentro de las bandas de valores críticos establecidos, no se puede extraer
ninguna conclusión sin antes analizar el orden de integración de las series utilizadas.
78
7. Pruebas de significancia estadística
El contraste de normalidad de Jarque-Bera (JB)
Este contraste se basa en el coeficiente de asimetría y de curtosis. La distribución
normal por ser simétrica tiene un coeficiente de asimetría igual a cero y curtosis igual a
tres, por lo que el valor del estadístico JB es igual a cero.
Si el término de error del modelo es normal, entonces el estadístico JB tendrá un
valor pequeño.
El estadístico JB es una prueba asintótica, ósea para muestras grandes.
La hipótesis nula establece que exista normalidad en los errores o los residuales
están normalmente distribuidos si:
𝐽𝐵 > 𝑥22 𝑔𝑙 → Rechazamos la hipótesis nula, lo que significa que los errores
no se distribuyen normalmente.
El contraste de Durbin Watson
Supuestos en los que se basa el estadístico DW.
i. El modelo incluye el termino de intercepto.
ii. Las variables explicativas son no estocásticas, es decir son fijos en
muestreo repetitivo.
iii. Las perturbaciones 𝑈𝑡 siguen un proceso autorregresivo de primer orden.
𝑈𝑡 = 𝜌𝑈𝑡−1 + 𝜀𝑡 𝐴𝑅(1)
iv. Se supone que el termino de error esta normalmente distribuido.
v. El modelo de regresión no incluye valor o valores rezagados de la variable
dependiente como variable explicativa.
79
vi. El estadístico DW no es aplicable a un modelo tal como:
𝑌𝑡 = 𝛽0 + 𝛽1 𝑋1𝑡 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑌𝑡−1 + 𝑈𝑡
El contraste de Breusch Godfrey
La prueba LM es una prueba general, cuyo procedimiento es el siguiente:
𝑌𝑡 = 𝛽0 + 𝛽1 𝑋1𝑡 + 𝛽2 𝑋2𝑡 + 𝑈𝑡
i. Estimar por MCO el modelo original (el modelo puede incluir
̂𝑡 ).
variable dependiente rezagada) y obtener lo residuales (𝑈
ii. ̂𝑡 sobre las variables 𝑋 ′ 𝑠 originales y

Realizar la regresión de 𝑈
̂𝑡−1 , 𝑈
𝑈 ̂𝑡−2 ,… , 𝑈
̂𝑡−𝑝 .
̂𝑡 = 𝛽0 + 𝛽1 𝑋1𝑡 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑈
𝑈 ̂𝑡−1 + 𝛽4 𝑈
̂𝑡−2 + ⋯ + 𝛽𝑝 𝑈
̂𝑡−𝑝 + 𝜀𝑡
iii. Para muestras grandes Breusch y Godfrey demostramos que:
𝑇𝑅 2 ~ 𝑋𝑝2 𝑔𝑙 (Asintóticamente).
iv. Hipótesis a contrastar:
𝐻0 : 𝜌1 = 𝜌2 = 𝜌3 = ⋯ = 𝜌𝑛 = 0
No existe autocorrelación o métodos los coeficientes AR son simultáneamente =0.
v. Criterios de decisión:
Si 𝑇𝑅 2 > 𝑋𝑝2 𝑔𝑙 → Rechace la 𝐻0 , el modelo presentaría correlación serial.
(𝑆𝑅𝐶𝑅 − 𝑆𝑅𝐶𝑁𝑅 )/𝑟

𝐹𝐶 = ~ 𝐹𝑟, (𝑡 − 𝑘)𝑔
𝑆𝑅𝐶𝑁𝑅 /(𝑇 − 𝐾)
Si 𝐹𝐶 > 𝐹𝑡 → Se rechaza la hipótesis nula
80
El contraste de heteroscedasticidad De White
El contraste de White es una prueba de carácter general y no requiere el supuesto
de normalidad de los errores.
Procedimiento:
Modelo de referencia: 𝑌𝑡 = 𝛽0 + 𝛽1 𝑋1𝑡 + 𝛽2 𝑋2𝑡 + 𝑈𝑡
i. Estimar por MCO el modelo original y obtener los residuales y estimar un
̂𝑡 .
𝑈
ii. Estimar la siguiente regresión auxiliar.
̂𝑡 = 𝛼0 + 𝛼1 𝑋1𝑡 + 𝛼2 𝑋2𝑡 + 𝛼3 𝑋1𝑡

𝑈 2 2
+ 𝛼4 𝑋2𝑡 + 𝛼5 𝑋1𝑡 𝑋2𝑡 + 𝜀𝑡
Y obtener el 𝑅 2 .
iii. Estadístico de prueba.
𝑇𝑅 2 ~ 𝑋𝑝2 𝑔𝑙 : Prueba asintótica.
iv. Si 𝑇𝑅 2 > 𝑋 2
𝐻0 : Los residuales son homoscedásticos
𝛼1 = 𝛼2 = ⋯ = 𝛼5
81
CAPÍTULO IV
RESULTADOS Y DISCUSIÓN
4.1. HECHOS ESTILIZADOS
Economías emergentes, como la peruana, que se caracterizan por una mayor
exposición a cambios en su estructura económica, evidencian una menor estabilidad en
sus ciclos económicos. Por ello, para este tipo de economías es importante considerar el
impacto de los cambios en la estructura económica en la dinámica de los mismos. Para la
economía peruana cambios estructurales particularmente relevantes son, por un lado, las
reformas de inicios de los 90's que se orientaron a una mayor apertura comercial, un
mayor desarrollo del mercado de capitales y financiero, una mayor flexibilidad en el
mercado laboral, y una mayor eficiencia de la política monetaria y fiscal, y, por otro lado,
el cambio en el régimen monetario del año 2002 (Castillo, Montoro, & Tuesta).
Con la finalidad de entender los factores determinantes de las exportaciones no
tradicionales en el Perú, presentamos el comportamiento de las variables consideradas en
el periodo de análisis.
4.1.1. Comportamiento de las exportaciones tradicionales y exportaciones no
tradicionales en el Perú
Para el análisis del comportamiento de las exportaciones tradicionales y no
tradicionales nos basaremos en la figura N°9 y en la memoria anual del Banco Central de
Reserva del Perú principalmente en los años donde se nota picos de subidas y caídas
considerables.
Las exportaciones tradicionales y no tradicionales durante el periodo de 2000-
2018, siguieron una tendencia similar donde hubo crecimientos y caídas, durante el
82
periodo 2000- 2004 ambas exportaciones siguieron una trayectoria no muy variada en el
cual tuvieron crecimientos aunque no muy significativos, en el 2004 es donde se observa
un crecimiento favorable de 44,72% y 32,77% con respecto al año anterior, debido con
respecto a las exportaciones tradicionales estuvo determinada por el entorno favorable de
precios y las exportaciones no tradicionales por la mayor venta de productos textiles,
agropecuarios, sidero metalúrgicos y joyería, químicos y pesqueros.
Durante el periodo 2004-2008 ambas exportaciones experimentaron un
comportamiento creciente pronunciado, ya que desde el 2004 ambas exportaciones
mostraron tasas altas de crecimiento, llegando a tasas 44.72% y 32.77% en respecto al
año anterior, en tanto al 2008 la tasa de crecimiento respecto al 2004 fue de 152.93% y
117.36% esto debido al ambiente favorables de exportaciones para los productos
peruanos.
Durante el 2009-2011, en el año 2009 hubo una fuerte caída, ambas exportaciones
tuvieron una caída representando decrecimientos de -10.94% y -18.07% con respecto al
año anterior respectivamente, dicha caída se debió a la crisis financiera internacional más
conocida como la burbuja inmobiliaria que tuvo lugar en los Estados Unidos afectando
fuertemente a su economía, ya que esto afecto a los precios internacionales de las
exportaciones tradicionales que disminuyeron, principalmente de cobre, zinc y petróleo.
Y las exportaciones no tradicionales por la desaceleración de la actividad económica
mundial que afectó tanto la demanda, como a los precios internacionales de la mayoría
de sectores. Al año 2010 ambas exportaciones experimentaron un crecimiento
considerable después de la caída que tuvieron en el 2009 representado por tasas de
crecimiento de 34.41% y 24.25%, debido a las mayores cotizaciones de las exportaciones
tradicionales como cobre, oro, zinc y petróleo. El volumen exportado fue parcialmente
perjudicado por los menores envíos de harina de pescado, oro y zinc y las exportaciones
83
no tradicionales debido a que el volumen aumentó 15,3 por ciento y sobresalieron los
productos agropecuarios en particular uvas, mangos, conservas de alcachofas y paltas, al
igual en el 2011 tuvo una alta tasa de crecimiento de 28.89% respecto al año anterior.
Sin embargo, durante el periodo 2012-2015, las exportaciones tradicionales
tuvieron tasas negativas, llegando a -15.36% en el 2015, en tanto las exportaciones no
tradicionales tuvieron un débil crecimiento, pero el 2013 y 2015 tuvieron tasas negativas,
en el 2015 tuvo una tasa de -6.70%, esto debido afectado principalmente por la caída de
los precios internacionales.
En tanto durante el 2016-2018, los niveles de exportación tradicionales y no
tradicional, se fueron recuperando, las exportaciones tradicionales en el 2017 llego a tener
una tasa crecimiento de 28.42%, este resultado reflejó las mayores ventas al exterior de
productos mineros destacando el cobre, zinc y oro, así como de harina de pescado y de
petróleo crudo y derivados. En cuanto a las exportaciones no tradicionales, esta se
recuperó de la tasa negativa del 2015, teniendo una tasa de 12.92% en el 2018, la cual fue
impulsada por el buen desenvolvimiento del sector agropecuario el cual represento el 43%
de las exportaciones no tradicionales durante ese año.
En la figura N°8, podemos observar el comportamiento de las exportaciones
tradicionales y no tradicionales, se ve claramente que las exportaciones no tradicionales
tuvieron un crecimiento similar al de las exportaciones tradicionales, sin embargo, esta
no tuvo muchas variaciones en su crecimiento tal como las exportaciones tradicionales.
En dicha figura vemos caídas y subidas, en cuanto a las exportaciones
tradicionales, identificamos 3 partes, en primer punto, el comportamiento del punto uno
se dio en el 2009, dicho comportamiento se debió a los menores precios internacionales,
principalmente de cobre, zinc y petróleo, también cabe destacar que la participación de
84
Estados Unidos cayó en 2009 respecto al año anterior por efecto de la crisis. Ahora el
siguiente punto identificado fue el pico que se muestra durante los años 2011 y 2012, tal
comportamiento se debió principalmente a los mayores precios de productos como café,
cobre y oro. Asimismo, el volumen exportado creció 5%, favorecido por el aumento de
envíos de harina de pescado y café. En tanto el 2012, en la figura se muestra una caída
leve, esto debido a los menores precios de los metales básicos, así como también de la
harina de pescado y el café, a pesar de ello el volumen exportado fue similar a la del 2011.
Sin embargo, en el 2015, donde se ve una caída fuerte del nivel de exportaciones
tradicionales, el cual fue menor en 15.9% al registrado en 2014, reflejando principalmente
los menores precios de productos tradicionales. Por otro lado, podemos observar una
caída muy notaria en las exportaciones para productos no tradicionales, el cual se dio
durante el 2009, esto debido a la desaceleración de la actividad económica mundial que
afectó tanto la demanda como los precios internacionales de la mayoría de sectores, a
pesar de ello el volumen de sector agropecuario creció.
40000
35000
30000
25000
20000
15000
10000
5000
0
Exportaciones Productos Tradicionales (millones US$)

Exportaciones Productos no Tradicionales (millones US$)
Figura N°8: Exportaciones totales, exportaciones tradicionales, exportaciones no

tradicionales (2000-2018)
85
4.1.2. Comportamiento de las Exportaciones para productos no tradicionales
La importancia del trabajo se basa en que se pretende verificar la relación teórica
existente entre el tipo de cambio real bilateral, Ingreso Personal Disponible Externo de
Estados Unidos y los términos de intercambio con las exportaciones no tradicionales. Las
exportaciones no tradicionales es una variable que en los últimos años estas influyendo
fuertemente en nuestra economía que cada día abre sus fronteras más al exterior, hecho
por el cual es importante el análisis del comportamiento de las exportaciones no
tradicionales y así llegar a decisiones más confiables.
El principal motivo del crecimiento formidable de las exportaciones no
tradicionales, se debió a la mayor apertura comercial con Estados Unidos, y el resto de
países, ya que los TLC firmados con los diferentes países dinamizo aún más las
exportaciones peruanas. Ya que durante el periodo de estudio a medida que iba pasando
los años se fueron firmando mayores tratados de libre comercio (TLC), teniendo como
efecto un incremento de las exportaciones no tradicionales, como el caso de las
exportaciones no tradicionales agropecuarias las cuales fueron dirigidas principalmente
al país norteamericano (el cual concentra la mayor parte de las exportaciones no
tradicionales). Después de haberse firmado el TLC con los Estados Unidos, dicho
Acuerdo de Promoción Comercial se firmó en Washington D.C. el 12 de abril de 2006,
el cual entro en vigencia el 1 de febrero del 2009. Cabe señalar que dicho crecimiento de
las exportaciones se debió a que Estados Unidos incremento su demanda por nuestros
productos, esto señalando que dicho país es nuestro principal socio comercial en lo que
se refiere a exportaciones no tradicionales. Sin embargo, cabe señalar también que la
apertura comercial hacia otros países mejoro el nivel de exportaciones no tradicionales
peruanas. A partir de 2009, el APC vigente entre el Perú y los EE.UU. ha empezado ya a
permitirnos potenciar el desarrollo económico del Perú a través del comercio, con
86
expectativas de comercio nunca antes experimentadas, teniendo de forma consolidada un
acceso perenne a mercados muy grandes.
La creciente demanda de productos no tradicionales por parte del mercado
estadounidense es uno de los principales factores del porque el crecimiento de las
exportaciones no tradicionales, puesto que más del 25% de las exportaciones no
tradicionales totales están dirigidas hacia dicho mercado. Los principales productos
exportados a los EE.UU. son: minerales/metales, textiles, productos pesqueros, petróleo
crudo, café, cacao, artesanías, paprika, alcachofa, uva, mango, mandarina, espárragos. De
los cuales los espárragos, uvas y paltas, fueron los que tuvieron un crecimiento muy
notable del volumen de exportación, durante los últimos 10 años las exportaciones no
tradicionales de productos agropecuarios fueron creciendo de manera paulatina,
alcanzando récords históricos. A continuación, se muestra la siguiente figura, donde
observamos los niveles de exportación no tradicional hacia Estados unidos y el total.
12000
10000
8000
6000
4000
2000
0
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Exportaciones no tradicionales de EEUU

Exportaciones no tradicionales agropecuerios EEUU
Exportaciones no tradicionales textiles EEUU
Exportaciones no tradicionales totales
Figura N°9: Evolución de las exportaciones no tradicionales hacia EE UU.
87
Durante el 2008 y 2009, el nivel de exportaciones no tradicionales cayo respecto
al 2008, pues el en 2009 alcanzo cifras de 1565.4 US$ Millones, pues en el 2008 había
alcanzado 1877.4 US$ Millones, tal nivel de caída se debió a la crisis financiera que
atravesaba el país norteamericano.
El 2008 y 2009, las exportaciones no tradicionales textiles habían llegado a 799.2
y 603.8 US$ Millones seguido por el sector agropecuario 576.5 y 581.9 US$ Millones
respectivamente, el sector agropecuario estuvo impulsado por el mayor volumen
exportado de espárragos frescos, uvas frescas y el sector textil por los famosos t-shirt de
algodón para hombres y mujeres.
Durante el 2010, 2011 y 2012, las exportaciones no tradicionales fueron de 1969.4
US$ Millones, 2342.8 US$ Millones y 2554.2 US$ Millones respectivamente, en el 2010
el nivel de exportaciones fue impulsado por textil (689.6 US$ Millones) y agropecuario
(684.3 US$ Millones), sin embargo, durante el 2011 y 2012, las exportaciones no
tradicionales fueron impulsadas por el sector agropecuario 836.6 y 895.9 US$ Millones,
seguido por el textil 739.7 US$ Millones en el 2011 y 642 US$ Millones en el 2012.
En tanto durante el 2013, las exportaciones no tradicionales hacia los Estados
Unidos fueron de 2 625.5 US$ Millones, teniendo como principal sector exportador al
agropecuario (1 038.4 US$ Millones) seguido por el sector textil (652.8 US$ Millones),
los cuales concentraron más del 50% del total de exportaciones no tradicionales.
El 2014 las exportaciones no tradicionales ascendieron a 2 854.9 US$ Millones,
el cual fue impulsado por una mayor exportación de productos agropecuarios (1275.9
US$ Millones) y el sector textil (660.9 US$ Millones). Las principales subpartidas que
impulsaron tal nivel de exportación fueron espárragos frescos o refrigerados (234 673
88
US$ Miles), Paltas frescas o secas (125 097 US$ Miles) y Uvas frescas (118 679 US$
Miles).
Durante el 2015, las exportaciones no tradicionales (2 984.6 US$ Millones) fueron
mayores que las exportaciones tradicionales (1 980.6 US$ Millones) hacia Estados
Unidos, las exportaciones no tradicionales fueron impulsadas por el sector agropecuario
(1 417.4 US$ Millones) y el sector textil (603.2 US$ Millones). El sector agropecuario
fue impulsado principalmente por la exportación de espárragos frescos (267 979 US$
Miles), uvas frescas (199 670 US$ Miles) y paltas frescas o secas (83 152 US$ Miles).
A diciembre del 2016, las exportaciones no tradicionales, por su parte,
retrocedieron (-1,4%) debido a los menores envíos metal-mecánicos (-16,8%) y textiles
(-10,2%). En cambio, se observó la recuperación de las exportaciones agropecuarias
(+6%). La recuperación de exportaciones no tradicionales agropecuarias, se debió al
mayor volumen exportado de principales productos tal como las uvas frescas (647.13 US$
Millones), espárragos frescos (420.03 US$ Millones) y paltas frescas (396.70 US$
Millones). Los principales países de destino de las exportaciones no tradicionales durante
el 2016 fueron Estados Unidos (29%), Unión Europea (24%), Chile (6%), Colombia (6%)
y el resto (35%).
En el 2017, las exportaciones peruanas hacia EE.UU. son 49% no tradicionales,
destacando las agroindustriales como las uvas (4% part), espárragos (3,8%), paltas
(2,5%), langostinos, fosfatos y prendas de vestir, además de minerales (36% part). Es así
que las exportaciones agroindustriales a EE.UU. han crecido notablemente en los últimos
años, principalmente del sector no tradicional. En 2017, destacó la venta de uva (US$ 275
millones), espárrago (US$ 260 millones) y palta (US$ 175 millones). Asimismo, se
exportó textiles, principalmente “t - shirt” (US$ 230 millones).
89
En 2018, el intercambio comercial peruano creció 7,9% impulsado por los
mayores negocios con EEUU (+13,5%), país con el que Perú mantiene un acuerdo de
libre comercio que en febrero 2019 cumplió 10 años de su puesta en vigencia (febrero de
2009), y los países asiáticos (+10,8%).
En el sector agropecuario destacó el aumento de la exportación de bienes no
tradicionales (+14,8%), que compensó la caída de productos tradicionales como el café
(-5,1%). Entre los productos más dinámicos y que alcanzaron valores récord de
exportación figuran: arándano (+49%), castaña (+39%), palta (+26%) y uva (+26%).
14000
12000
10000
8000
6000
4000
2000
Exportaciones Productos no Tradicionales (millones US$)
Figura N°10: Comportamiento de las exportaciones no tradicionales 2000-2018
La Figura N°10 muestra el comportamiento de las exportaciones no tradicionales
desde el año 2000 al 2018, en el periodo 2000-2004 las exportaciones no tradicionales
siguieron una trayectoria de subidas, ya que en todos los años mostro tasas de crecimiento
positivas y el 2004 registro una tasa de crecimiento de 32.77%, siendo la más alta durante
esos años. Dicha trayectoria de subidas se debió a que en el 2002 Estados Unidos baja la
90
tasa de interés lo cual tuvo como resultado una expansión mundial, ayudando a que las
exportaciones no tradicionales se incrementen.
En tanto durante el 2005-2008, las exportaciones no tradicionales tuvieron
crecimiento considerables, registrando tasas altas crecimiento durante ese periodo, siendo
los más resaltantes las cifras del 2005 y 2006 con 22.93% y 23.42% respectivamente, los
sectores que sustentaron este crecimiento son los productos pesqueros, maderas papeles
y sus manufacturas y siderometalúrgicos, en el año 2007 las exportaciones- no
tradicionales cayeron a 19.60% debido principalmente a las menores exportaciones de los
productos pesqueros, maderas y papeles y sus manufacturas y siderometalúrgicos. Los
sectores que mostraron un incremento en sus exportaciones fueron los pesqueros, textiles
y químicos.
Sin embargo, durante el 2008 las exportaciones no tradicionales tuvieron un leve
crecimiento de la tasa (19.79%), a pesar de ello se muestra un pico durante ese año, cuales
estuvieron explicadas por un mayor incremento de las exportaciones de productos
agropecuarios, pesqueros, textiles y químicos. Tal comportamiento durante esos años se
debió a diferentes motivos tales como, a partir del 2004 la actividad económica mundial
comenzó a acelerarse, mayor actividad económica mundial, el crecimiento económico de
Estados Unidos, el cual fue un efecto el retiro del estímulo monetario por parte de la FED,
el crecimiento de China y Europa, asi como el incremento en las cotizaciones
internacionales de los principales insumos alimenticios.
El 2009 fue un año de fuertes caídas del nivel de las exportaciones no
tradicionales, ya que durante ese año las exportaciones no tradicionales tuvieron la caída
más pronunciada de todo el periodo analizado, -18.07% con respecto al año 2008, tal cifra
principalmente se debió a la desaceleración de la actividad económica mundial, la crisis
91
financiera, desaceleración de Estados Unidos por menor actividad inmobiliaria-subprime,
el cual que afectó tanto la demanda como los precios internacionales de la mayoría de
sectores.
Después de una caída fuerte del nivel de exportaciones para productos no
tradicionales en el 2009, el 2010 se recuperaron ya que durante ese año alcanzaron los
US$ 7 641 millones, superiores en 23.5% a las de 2009. Esto debido al incremento de los
niveles de los productos agropecuarios (uvas, mangos, conservas de alcachofas y paltas).
Por otro lado, en el año 2011 las exportaciones de productos no tradicionales
experimentaron un crecimiento considerable en 32,18% con respecto al año 2010, debido
al alto crecimiento del sector agropecuario, químico y pesquero. Tal comportamiento se
debió al crecimiento de la actividad económica global y altos precios de las materias
primas, así como al crecimiento de Estados Unidos (el cual se sustentó en la reposición
de inventarios, el dinamismo de la inversión no residencial), también la recuperación de
la economía mundial (pero con menor crecimiento) debido a la crisis de la deuda y la
débil recuperación del consumo.
Durante el periodo 2012-2018, las exportaciones no tradicionales siguieron una
trayectoria de subidas y caídas, teniendo tasas de -1.14%, -6.70% y -1.03%, en el 2013,
2015 y 2016, en el 2015 el nivel de exportaciones no tradicionales fue afectado
principalmente por la caída de los precios internacionales, adicionalmente el efecto de
una caída en los volúmenes por nuestros principales productos, como consecuencia de la
disminución del comercio a nivel mundial debido a la desaceleración económica.
Durante el 2012-2014, podemos ver en la figura un comportamiento de caída y
recuperación, esto se debió a que, en el 2013, hubo un menor crecimiento de la economía
mundial por la evolución tanto de las economías desarrolladas como las emergentes, en
92
cambio el 2014 las economías desarrolladas tuvieron un crecimiento promedio de 1.8%
respecto al 1.4% del 2013, esto debido a la recuperación de la Eurozona.
En cambio, durante el 2015-2016 se tuvo un comportamiento negativo del
volumen de exportaciones no tradicionales, debido a que la economía mundial tuvo un
menor crecimiento respecto al 2014, las economías emergentes se desaceleraron (4%) y,
en algunos casos, se contrajeron, así como Rusia y Brasil. La actividad económica
mundial fue afectada por dos factores centrales: en primer lugar, las expectativas de alza
de la tasa de interés de la Reserva Federal de Estados Unidos (Fed), En segundo lugar,
durante el 2015 una serie de hechos hizo dudar a los mercados financieros sobre la
recuperación de la economía mundial e incrementaron la aversión al riesgo de parte de
los agentes.
Durante el 2016, se observa una caída en figura N°10, esto debido a que durante
ese año las exportaciones de productos no tradicionales alcanzaron los US$ 10 782
millones, monto inferior en 1.02% al de 2015. Debido a que, en el 2016, la economía
mundial creció 3.1% tasa ligeramente menor a la de 2015 y la más baja desde 2009,
debido a que las economías emergentes crecieron a una tasa igual a la del año previo.
Sin embargo, en el 2017 y 2018 el nivel de las exportaciones no tradicionales se
recuperó mostrando tasas de crecimiento de 8.74% y 12.92%. En el 2017 este resultado
respondió a las mayores ventas de productos agropecuarios (9%), pesqueros (15%),
textiles (6%), metal-mecánicos (15%), sidero-metalúrgicos y joyería (17%) y químicos
(3%). En términos de valor exportado por productos se registraron mayores ventas de
paltas frescas (46%), arándanos (49%), productos de zinc (42%), pota congelada (22%),
pota en conserva (21%), alimento para camarones (40%), óxido de zinc (74%) y tops de
alpaca (110%), principalmente, ya que durante ese año la economía mundial creció 3.7%,
93
el crecimiento de las economías emergentes también se aceleró de 4.3% a 4.7%. Destacó
el crecimiento de China (6.9%). Por otro lado, las economías de América Latina se vieron
favorecidas por la recuperación de los precios de los principales commodities y por las
condiciones financieras favorables en los mercados internacionales.
Continuando, A noviembre del año 2018, las exportaciones de productos no
tradicionales marcaron un récord histórico, superando cualquier valor exportado en años
previos. El cual estuvo impulsado por la mayor exportación de productos tales la como
pota (+67%), arándanos (+47%), uvas (+40%), palta (+23%), productos de pelo fino
(+22%), prendas de algodón (+12%) y zinc refinado (+10%), en cuanto a sectores, el
agropecuario fue el que alcanzo un nuevo récord histórico en todo el periodo de análisis,
representando el 45% de las exportaciones no tradicionales. Tal comportamiento se debió
a que en el 2018 el crecimiento de la actividad mundial fue de 3.8%, el cual fue mayor al
del 2017. También cabe señalar que durante ese año Estados Unidos registro una mayor
tasa de crecimiento impulsada por una sostenida mejora en su mercado laboral y el recorte
de impuestos de inicios de año. Así, su tasa de expansión pasó de 2.2% en 2017 a 2.9%
en el 2018.
4.1.3. Composición de las exportaciones para productos no tradicionales por
productos y principales países de destino
Las Exportaciones no tradicionales están compuestas por diversos sectores, los
cuales a lo largo de los años ha ido creciendo en cuanto a la estructura porcentual de las
exportaciones no tradicionales totales. En la tabla N°2 se muestra los principales
productos por los que están compuestos estos sectores.
94
Tabla N°2: Productos de exportación no tradicional por sectores
SECTORES PRODUCTOS
Agropecuarios Legumbres, frutas, productos vegetales diversos,
cereales y sus preparaciones, te, café, cacao esencias, entre
otros.
Pesqueros Crustáceos, moluscos congelados, pescado
congelado, preparaciones y conservas, pescado seco, entre
otros.
Textiles Prendas de vestir y otras confecciones, tejidos, fibras
textiles, hilados.
Madera y papeles Madera en bruto o laminas, artículos impresos, papel
y sus manufacturas y cartón, madera, muebles de madera y partes, entre otros.
Químicos Productos químicos orgánicos e inorgánicos,
artículos manufacturados de plástico, materias tintóreas,
curtientes y colorantes, manufactura de caucho, aceites
esencias, productos tocador y tenso activos, entre otros.
Minerales no Cemento y materiales de construcción, abonos y
Metálicos minerales en bruto, vidrio y artículos de vidrio, artículos de
cerámica, entre otros.
Sidero- Productos de cobre, productos de zinc, productos de
metalurgica y joyería hierro, manufacturas de metales comunes desperdicios y
desechos no ferrosos, productos de plomo, productos de
plata, artículos de joyería, entre otros.
Metal-mecánicos Vehículos de carretera, maquinarias y equipos
industriales, y sus partes, máquinas y aparatos eléctricos, y
sus partes, artículos manufacturados de hierro o acero,
máquinas de oficina y para procesar datos, equipo de uso
doméstico, maquinarias y equipo de ingeniería civil, y
partes, maquinaria y equipo generadores de fuerza, enseres
domésticos de metales comunes, entre otros.
FUENTE: Banco Central de Reserva del Perú
Elaboración Propia
Según el reporte del INEI en el 2018, los productos no tradicionales exportados
que destacaron fueron los productos pesqueros, principalmente los calamares, pota y
jibias, y colas de langostinos con caparazón; también fueron importantes las ventas de
paltas y arándanos, entre otros.
En el 2018 según el INEI, los principales productos que se exportaron fueron los
calamares, pota y jibias en sus diferentes presentaciones (congelado o en salmuera)
95
destinado principalmente hacia España, China y Corea del Sur, los cuales en conjunto
representaron el 63,6% del volumen total exportado, seguido de las uvas (Estados Unidos
de América), paltas (Países Bajos, Estados Unidos de América y España) y arándanos
(Estados Unidos de América, Países Bajos y Reino Unido). Cabe señalar, que el sector
agropecuario representó el 36,9% del volumen total exportado no tradicional.
4.1.3.1. Composición de las exportaciones para productos no tradicionales
Tomando como referencia los años 2000, 2005, 2010, 2015 y 2018, en las figuras
11 y 12, se puede observar que las exportaciones no tradicionales en el Perú por sectores
han sufrido cambios en la composición de su estructura porcentual, ya que en el 2000 las
exportaciones de productos agropecuarios representaba el 19% del total de exportaciones
no tradicionales, subiendo en el 24% en el 2005, continuando creciendo en el 2010
llegando a 29%, 40% en el 2015, y 45% en el 2018, lo cual muestra que el grupo de
productos agropecuarios fue el más dinámico en el intervalo de análisis de la
investigación, así mismo los grupos de productos tales como Químico y Metal no
mecánico mostraron leve crecimiento durante el 2005, 2010 , 2015 y 2018 respectó al
2000 . Y, por otro lado, las exportaciones del sector textil fueron las que tuvieron una
disminución considerable, las cuales cayeron de un 34% en el 2000 a 30% en el 2005,
luego de 30% en el 2005 a 20% en el 2010, seguidamente a 12% en el 2015 y 11% en el
2018, al igual que los grupos de Maderas y Papeles, y sus Manufacturas, Sidero-
Metalúrgicos y Joyería, Metal-Mecánicos, los cuales mostraron caídas, tal como se
observa en la siguiente figura.
96
50%
45%
40%
35%
30%
25%
20%
15%
10%
5%
0%
2000 2005 2010 2015 2018
Agropecuarios Pesqueros
Textiles Maderas y Papeles, y sus Manufacturas
Químicos Minerales no Metálicos
Sidero-Metalúrgicos y Joyería Metal-Mecánicos
Otros
Figura N°11: Composición de las exportaciones no tradicionales por grupo de productos

en los años 2000, 2005, 2010, 2015 y 2018
Sidero- Metal- Otros

Metalúrgic Mecánicos 1%
os y Joyería 4%
10%
Minerales no
Metálicos
5% Agropecuarios
45%
Químicos
12%
Maderas y
Papeles, y sus
Manufacturas Textiles Pesqueros
2% 11% 10%
Figura N°12: Exportaciones no tradicionales por sectores en el

2017
En el tabla de N°3, podemos observar el nivel de variación porcentual que hubo
durante los años 2016, 2017 y 2018 por grupo de productos, en los cuales destacan los
97
grupos de Sidero-Metalurgicos y Joyería y Metal-Mecánicos, quienes tuvieron un
crecimiento de 17% en el 2017 respecto al nivel alcanzado durante el 2016, en cuanto a
los productos no tradicionales exportados que destacaron el 2017 fueron los productos
pesqueros, principalmente los calamares, pota y jibias, y colas de langostinos con
caparazón; también fueron importantes las ventas de paltas y arándanos, entre otros, en
tanto, en el 2018/2017, todos los grupos de productos tuvieron un crecimiento favorable
a excepción de Maderas y papeles, y sus manufacturas quienes tuvieron un cifra negativa
de crecimiento (-1%), en tanto los demás grupo de productos tuvieron cifras positivas,
destacando el pesquero y agropecuario quienes tuvieron crecimientos de 27% y 15%
respectivamente.
Tabla N°3: Variación porcentual del nivel de exportación por productos

durante el 2016, 2017 y 2018
Variación % Variación %
Grupo de productos
2018/2017 2017/2016
Agropecuarios 15% 9%
Pesqueros 27% 15%
Textiles 10% 6%
Maderas y Papeles, y sus Manufacturas -1% 7%
Químicos 13% 3%
Minerales no Metálicos 7% -8%
Sidero-Metalúrgicos y Joyería 4% 17%
Metal-Mecánicos 13% 17%
Otros -1% 6%
Fuente: Banco Central de Reserva del Perú
Elaboración Propia
4.1.3.2. Composición de los principales países de destino de exportaciones de
productos no tradicionales
Realizaremos la comparación de la estructura porcentual de los principales países
de destino de las exportaciones no tradicionales entre los años 2011 y 2017, en donde se
puede observar claramente que las Exportaciones no tradicionales hacia los Estados
98
Unidos crecieron, de un 23% en el 2011 a 29% en el 2017. También Países Bajos, Bolivia
y Reino Unido tuvieron in incremento de participación relativa entre esos periodos. Sin
embargo, las exportaciones hacia Colombia y el resto de países ha disminuido su
participación, en tanto Brasil, China, España, Chile y Ecuador mantienen el mismo nivel
de participación en ambos periodos, tal como se ve en a figura 13 y 14.
Estados Unidos;
23%
Resto; 35%
Paises Bajos; 4%
Ecuador; 6%
Reino Unido; 2% Chile; 6%
Brasil; 3% China; 3% España; 5%
Bolivia; 4% Colombia; 8%
Figura N°13: Exportaciones no tradicionales por principales países de destino en

el 2011
Estados Unidos
Resto
29%
28%
Reino Unido
3%
Paises Bajos
Brasil 7%
3%
China
3% Ecuador
Bolivia 6%
Colombia Chile
5% 5% España… 6%
Figura N°14: Exportaciones no tradicionales por principales países de destino en

el 2017
99
4.2. COMPORTAMIENTO DE LAS VARIABLES MACROECONÓMICAS
El comportamiento de las variables macroeconómicas (expresadas en logaritmos)
utilizadas en la presente investigación se muestra en la figura 15. Ahí se puede observar
que las exportaciones para productos no tradicionales (XNT), Ingreso Personal
Disponible Externo (IPDEX), términos de intercambio (TI), Tipo de cambio real bilateral
(TCRB), han sido crecientes para el periodo de análisis con un quiebre a finales del año
2007, por efectos del inicio de la crisis financiera internacional.
LXNT LIPDEX
7.2 9.8
6.8
9.6
6.4
9.4
6.0
9.2
5.6
9.0
5.2
4.8 8.8
02 04 06 08 10 12 14 16 18 02 04 06 08 10 12 14 16 18
LTI LTCRB
4.8 4.9
4.6 4.8
4.4 4.7
4.2 4.6
4.0 4.5
3.8 4.4
02 04 06 08 10 12 14 16 18 02 04 06 08 10 12 14 16 18
Figura N°15: Comportamiento de las variables macroeconómicas LXNT, LIPDEX, LTI

Y LTCRB en el periodo: 2000.01-2018.12
Donde:
LXNT: Logaritmo de las Exportaciones para productos no tradicionales
LIPDEX: Logaritmo del Ingreso Personal Disponible Externo (EEUU)
LTI: Logaritmo de los Términos de Intercambio
100
LTCRB: Logaritmo del Tipo de Cambio Real Bilateral
De las figuras anteriores podemos decir que a finales del 2008 hubo una caída del
nivel de exportaciones no tradicionales, esto debido a que durante ese año se dio la crisis
financiera internacional la cual afecto directamente al nivel de exportaciones peruanas,
ya que, esta crisis impacto de manera más fuerte en los estados Unidos haciendo que
dicho país reduzca su nivel de importaciones, también se observa en las demás variables
a excepción del tipo de cambio real bilateral.
Sin embargo, después de la crisis financiera internacional del 2008, las variables
macroeconómicas objeto de esta investigación, se fueron recuperando gradualmente,
creciendo de manera continua durante los siguientes años.
4.2.1. Comportamiento del Ingreso Personal Disponible Externo (EEUU)
8.00%
7.00%
6.00%
5.00%
4.00%
3.00%
2.00%
1.00%
0.00%
-1.00% 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Figura N°16: variación anual del ingreso personal disponible externo
En la figura N°16 se muestra el comportamiento del Ingreso Personal Disponible
Externo (EEUU) desde el año 2000 al 2018 (en variación porcentual) el cual ha crecido
a una tasa promedio de 4.29% anual, en donde claramente podemos observar trayectoria
de subidas y bajadas que hubo durante el periodo de análisis de la investigación, durante
el 2000 hasta finales del 2006, el crecimiento que tuvo fue estable, mostrando tasas de
101
crecimiento anual cerca al 7% en el 2006. A partir del 2003, la economía de Estados
Unidos comenzó un claro proceso de recuperación, con un crecimiento del PIB superior
a 4% anual en 2003, lo cual favoreció al ingreso personal disponible de dicho país como
se observa en la figura. Tal recuperación estuvo apoyada en un nuevo impulso y profundo
de la revolución informática y la división global del trabajo, como lo explican Dabat y
Ordóñez (2009). Sin embargo, como se señaló en su momento, fue un proceso corto y
débil, que no pudo sobrellevar adecuadamente los desafíos de la aceleración y
profundización del desarrollo chino (asociado a la creciente integración de Asia Oriental),
de la acelerada emergencia económica de India o del renacimiento de la economía y el
poderío ruso.
Después del 2006, vemos claramente que la variación respecto al año anterior fue
decreciendo, llegando a cifras negativas en el año 2009, donde el ingreso personal externo
se contrajo en -0.26%, esto debido a la crisis que pasaba la economía más grande del
mundo, sin embargo, pasado este periodo, dicha variable se fue recuperando rápidamente
a tasas por el encima del 3%, en el 2012 logro alcanzar la cifra de 5.29% respecto al año
anterior. Sin embargo, en el 2013 se vio una caída tremenda, pues solo creció 0.03%, la
tasa más baja en los últimos años después del 2009. El 2018, la tasa de crecimiento del
ingreso personal disponible externo logro llegar al 6.12% la tasa más alta en todo el
periodo de análisis del estudio.
4.2.2. Comportamiento de los términos de intercambio
Según el BCRP, en el 2000 los términos de intercambio de nuestro comercio
exterior, registraron una ligera disminución de 0,4%, debido a que el incremento de éstos
(5,3%) superó a los de exportación (4,9%). Cabe indicar que los precios de importación
estuvieron influenciados por el incremento en 64% de los precios de los combustibles
importados en el 2000. En tanto en el 2001 los términos de intercambio mejoraron en
102
2,5% como resultado de un crecimiento de los precios de exportación de 3,7%
contrarrestado por el incremento de los precios de importación en 1,2%. También hubo
un incremento en el 2003 de 1,4% debido a que el aumento del precio de las exportaciones
superó el aumento del precio de las importaciones.
En tanto durante el 2004 y 2005, según la memoria anual del BCR de esos años,
el 2004 fue un año particularmente favorable para las cuentas externas de la economía
peruana. La mayor actividad de la economía mundial, que se tradujo en un aumento del
volumen exportado y en una mejora de los términos de intercambio. Los términos de
intercambio registraron su mayor incremento en los últimos 10 años (9,0%). Esto debido
al crecimiento económico de nuestros principales socios comerciales fue 4,7%, resaltando
los resultados alcanzados por Estados Unidos y China (4,4% y 9,5%, respectivamente),
países que representan en conjunto 34% de nuestro volumen comerciado con el exterior.
Al igual durante el 2005 la mayor demanda mundial por nuestros principales productos
de exportación continuó siendo determinante para la mejora de los términos de
intercambio por cuarto año consecutivo. Durante el 2005, los términos de intercambio
mostraron un aumento de 5,25 el cual se debió al incremento en el precio de las
exportaciones de 16,3%, superando al de las de las importaciones que lo hizo en 10,6%.
El aumento del precio de las exportaciones se debió principalmente al incremento de la
cotización del precio del cobre y el oro.
Durante el 2006, la recuperación en el crecimiento de las economías desarrolladas
y el impulso que significó la aceleración en el crecimiento de China. Tuvo como
resultado, que los términos de intercambio experimentaron la tasa más alta de crecimiento
de los últimos 55 años, registrando un aumento de 27%, esto explicado por el incremento
en el precio de las exportaciones (37%) superó al de las importaciones (7%). El
incremento de los precios de las exportaciones correspondió principalmente al aumento
103
de los precios de los metales (53%), impulsados por los incrementos del precio del cobre,
oro y zinc. En tanto el 2007 los términos de intercambio registraron un incremento por
sexto año consecutivo. El crecimiento de este año (3,6%) fue resultado de un aumento en
los precios promedio de exportación los cuales se incrementaron en 14% superior al de la
importación que fueron 10% según la memoria anual del BCR del 2007.
Ahora bien, durante los años anteriores el comportamiento de los términos de
intercambio era favorable, pero en el 2008 se tuvo una caída, ya que los precios de los
commodities, en particular de los metales y del petróleo, cayeron rápida y
significativamente en la segunda mitad del año, como consecuencia de la desaceleración
del crecimiento mundial en un contexto de agravamiento de la crisis financiera, al igual
durante el 2009 el impacto de la crisis se siguió sintiendo, a pesar de que la mayor parte
de los precios de commodities se habían recuperado, pero sin llegar a los niveles previos
a la crisis. Como resultado de ello, los términos de intercambio se contrajeron en
promedio de 5,5%, caída menor a la del año 2008, cuando fue de 13,8%.
La recuperación después de la caída de los términos de intercambio se dio a partir
del 2010, favorecido por el contexto de recuperación de la economía mundial y de mayor
demanda, particularmente de las economías emergentes como China, provocando que los
precios de los commodities se recuperaran durante la segunda parte de ese año. Al igual
durante el 2011, los términos de intercambio tuvieron un incremento de 5%, el cual se
debió al incremento de los precios de exportación, los cuales eran mayores que los de
importación.
El comportamiento de los términos de intercambio durante el 2012 y 2016, fue
decreciente, en el 2012, los términos de intercambio registraron una disminución
promedio de 5%, el cual se debió a la reducción de los precios de exportación y al
104
incremento de los precios de importación. En el 2013, de manera similar se registró una
caída de los términos de intercambio (4.7% en promedio), el cual se debió a la
disminución de los precios de exportación en 5.5%, a pesar de que esta fue compensada
por una caída de 0.8% en el precio de las importaciones. En el 2013 año los precios
internacionales de los alimentos se redujeron.
Durante el 2014, los términos de intercambio registraron una disminución
promedio de 5,4%, explicada por la reducción de los precios de exportación, el cual fue
afectados, por la caída de precios de los commodities, ya que estos se fueron afectados
por el retiro del estímulo monetario de la FED y por las expectativas de inicio del ciclo
de alzas en su tasa de interés. En tanto el 2015, los términos de intercambio registraron
una disminución promedio de 6,3%. Esto afectado por la caída de los precios de
exportación afectado por la caída del precio de los commodities. En términos generales,
los precios de los commodities se afectaron por la desaceleración del crecimiento
económico de China, así como por la incertidumbre en torno al alza en la tasa de interés
de la Fed. En el 2016, los términos de intercambio registraron una ligera disminución de
0,7%, significativamente menor a la registrada en años anteriores. Los precios de las
exportaciones tuvieron una caída de 3.6%, la cual fue mayor a la observada en los precios
de las importaciones la cual fue de 3,0%. Cabe señalar que, en los últimos dos meses del
año, los términos de intercambio registraron una mejora gracias a la evolución de los
precios de las exportaciones, en particular de los metales básicos, cuya demanda se
incrementó ante la expectativa de un mayor gasto en infraestructura en Estados Unidos y
ante el incremento de las posiciones especulativas, según la memoria anual del 2014,
2015 y 2016 del BCRP.
Sin embargo, durante el 2017 el entorno internacional favorable se tradujo en una
mejora de los precios de nuestras exportaciones luego de cinco años de registrar tasas de
105
crecimiento negativas. Y es así que los términos de intercambio aumentaron 7.3% durante
ese año. El cual estuvo sustentado por mayores precios del zinc, cobre y derivados de
petróleo. En tanto el 2018, el aumento de las tensiones comerciales a partir de marzo entre
Estados Unidos y sus socios comerciales (principalmente China), la apreciación del dólar
y los temores sobre una desaceleración económica global causaron un cambio de la
tendencia al alza que venían mostrando los precios de nuestros principales commodities
en los últimos dos años. En 2018 los términos de intercambio tuvieron una ligera caída
de 0.2%.
4.2.3. Comportamiento del tipo de cambio real bilateral
El tipo de cambio real bilateral presento un comportamiento muy inestable en el
periodo dela investigación, puesto que a lo largo de los años presento comportamiento de
caídas y subidas, la tasa anual de crecimiento máxima fue de 8.45% en el 2015 respecto
al año anterior y la mínima fue de -8.29% fue durante el 2008 respecto al año anterior, el
2008 estuvo afectada principalmente por la caída de los precios internacionales, ya que
ese año la economía estadounidense estaba pasando por una crisis la cual afecto
directamente a esta variable, según la CEPAL entre diciembre de 2008 y octubre de 2009
el nuevo sol se apreció en términos nominales un 7,8% respecto del dólar, a la vez que el
tipo de cambio bilateral real lo hizo en menor medida (5,3%). Por su parte, el tipo de
cambio real efectivo se depreció un 0,5% en igual período. Después del 2008, el
comportamiento de esta variable siguió siendo con tasas de crecimiento negativa, hasta
el 2013, el 2014 fue el año donde se recuperó llegando a crecer 8.45% en el 2015, cerrando
con una tasa de 1.92% en 2018.
4.2.4. Estadísticas descriptivas de las series
En la tabla N°4 se observa las medidas de tendencia central de las variables objeto
de estudio, en el caso de las exportaciones no tradicionales
106
Tabla N°4: Medidas de tendencia central
Ingreso
Exportaciones Personal Términos de
Tipo de cambio real
Concepto no tradicionales Disponible Intercambio
bilateral (TCRB)
(XNT) Externo (TI)
(IPDEX)
Media 617.04 11181.59 86 103.39
Mediana 609.64 10978.2 91.84 101.10
Máximo 1255.41 16122 116.2 122.89
Mínimo 148 7198.1 53.17 82.72
Desviación Estándar 321.64 2420.88 18.61 11.06
Jarque-Bera 17.51 10.51 19.77 16.91
Fuente: Elaboración propia. Resultados de estimación Eviews 9
En la tabla N°4 podemos observas las medidas de tendencia central, tales como la
media, la mediana, desviación estándar, entre otros los cuales no ayudaran a hacer nuestro
análisis de variables en cuanto a tendencia.
Para la variable XNT se tiene una media 617.04, mediana de 609.64, una
desviación estándar de 321.64 lo cual indica que los datos se encuentran muy dispersos
de la media, Jarque-Bera nos indica que se encuentra dentro una distribución normal.
La variable IPDEX tiene una media de 11180.59 una de mediana de 10978.2, la
desviación estándar de 2420.88 indica que los datos se encuentran muy dispersos de la
media, el valor de Jarque-Bera indica que se encuentra dentro una distribución normal.
La variable TI tiene una media de 86, mediana de 91.84, la desviación estándar de
18.61 igual que en las variables anteriores indica que los datos están muy dispersos de la
media, el valor de Jarque-Bera indica que se encuentra dentro una distribución normal.
La variable TCRB tiene una media de 103.39, mediana de 101.10, la desviación
estándar de 11.06 indicando que los datos se encuentran muy dispersos de la media, el
valor de Jarque-Bera indica que se encuentra dentro una distribución normal.
107
4.2.5. Correlación de variables
En la tabla N°5 muestra la matriz de correlación de variables, en el cual se puede
observar que las exportaciones para productos no tradicionales tienen relación lineal
fuerte con el producto interno bruto externo, los términos de intercambio, pero una
relación negativa con el tipo de cambio real bilateral, tal como muestra los resultados de
la siguiente tabla.
Tabla N°5: Matriz de correlación entre las variables de estudio
Coeficiente de correlación
Variables
2000.01 - 2018.12
LXNT - LIPDEX 0.96
LXNT - LTI 0.90
LXNT - TCRB -0.86
Fuente: Elaboración propia. Resultados de estimación Eviews 9
La relación que muestran las exportaciones no tradicionales con el ingreso
externo, los términos de intercambio y el tipo de cambio real bilateral, se describen a
continuación.
Un crecimiento del ingreso en nuestro mercado destino (ingreso personal
disponible externo), eleva el potencial exportador, de modo que aumenta el volumen de
nuestras exportaciones no tradicionales. Caso contrario sucede en una contracción del
mismo. Como se observa en la tabla N°5, vemos que la correlación entre las exportaciones
no tradicionales y el ingreso personal disponible externo es de 96%, lo cual quieres decir
que existe una correlación lineal directa muy fuerte entre dichas variables.
Ahora, como los términos de intercambio es un indicador que es construido a
partir del valor de las exportaciones e importaciones, su comportamiento guarda estrecha
relación con la balanza comercial. Entonces cabe señalar que, ante un aumento de los
términos de intercambio, nuestras exportaciones mejoraran y subirá el volumen
exportado. De acuerdo a los resultados mostrados en la tabla anterior podemos concluir,
108
que las exportaciones no tradicionales y los términos de intercambio tienes una
correlación lineal fuerte (90%).
En cuanto a la correlación lineal entre el las exportaciones no tradicionales y el
tipo de cambio real bilateral, vemos en la tabla que es negativa, este resultado se interpreta
afirmando que tienen una relación inversa fuerte, ya que, ante un incremento del tipo de
cambio de real bilateral, el volumen de exportaciones no tradicionales disminuirá.
4.3. VARIABLES MACROECONÓMICAS QUE INFLUYEN
PRINCIPALMENTE EN LAS EXPORTACIONES PARA PRODUCTOS NO
TRADICIONALES EN EL PERÚ
4.3.1. Contraste de raíces unitarias de las variables macroeconómicas
Antes de someter los datos a procesamiento se realizara el contraste de raíz
unitaria para probar si las series son o no estacionarias, puesto que los resultados
estimados a partir de series no estacionarias no tienen significado alguno incurriendo en
el denominado problema de regresión espuria, ello ocurre cuando se efectúa una regresión
de una serie de tiempo no estacionaria sobre otra igualmente no estacionaria, cada una
con raíz unitaria, con frecuencia se obtiene un 𝑅 2 muy elevado aunque no haya una
relación significativa entre las dos variables, y de igual manera las pruebas usuales de los
t-statistic y F, también pueden ser significativos pero sus resultados no tienen significado
económico.
Para evitar regresiones espurias es indispensable realizar una detección de raíces
unitarias en las series (variables) por diversos métodos como el de Dickey Fuller
Aumentado (DFA), Phillips Perron (PP) y el KPSS, con o sin constante y tendencia
respectiva.
109
Ya que la información estadística utilizada para la presente investigación
corresponde a series de tiempo, el cual es usual realizar pruebas de raíces unitarias de
cada una de las series económicas que son empleados en la ecuación de regresión. Por lo
que en la presente investigación se utilizó las pruebas de raíces unitarias tales como el
Dickey Fuller Aumentado (ADF), Phillips-Perron (PP) y Kwiatkowsky (KPSS), a fin de
identificar el orden de integración y la no estacionariedad de las series utilizadas. En las
pruebas ADF y PP, el rechazo de la hipótesis nula implica que la serie es estacionaria, en
caso contrario, se infiere la presencia de raíz unitaria. Sin embargo, para la prueba KPSS
prueba, al contrario que en las dos anteriores, la no estacionariedad de la serie se
comprueba a través del rechazo de la hipótesis nula de no existencia de raíz unitaria.
En la tabla N°6 se exponen los t estadísticos de los parámetros de ADF, obtenidos
de la serie en niveles. Y sus respectivos niveles de significancia al 1%, 5% y 10%, en el
cual prácticamente todos los valores de los t estadísticos son menores a los valeres críticos
de MacKinnon y en el caso de la prueba KPSS son mayores, por lo que concluimos que
puede existir una combinación lineal de equilibrio entre las variables incorporadas en el
modelo ya que son no estacionarios en niveles, es decir tiene raíz unitaria o que su orden
de integración es 𝐼(1). Las estimaciones realizadas se presentan en el anexo B.
110
Tabla N°6: Test de raíces unitarias en niveles y estacionariedad
Autocorrelación Dickey-Fuller Aumentado (ADF) Phillips-Perron (PP) KPSS
. CONTRASTES 4
VARIABLES 𝜌1 ∑ 𝜌𝑖 𝜏̂ 𝜏̂𝜇 𝜏̂𝜏 ̂)

𝑧(𝜏 𝑧(𝜏
̂𝜇 ) 𝑧(𝜏
̂𝜏 ) 𝜂𝜇̀ 𝜂̀
𝑖=1
Exportaciones no tradicionales (LXNT) 0.975 3.818 1.79 -1.44 -1.65 3.00 -1.13 -3.25 1.87 0.40
Ingreso Personal Disponible Externo 0.985 3.854

6.79 -0.69 -3.02 9.72 -0.80 -2.75 1.98 0.31
(LIPDEX)
Términos de Intercambio (LTI) 0.987 3.860 1.19 -1.54 -1.04 0.95 -1.60 -1.40 1.37 0.39
Tipo de Cambio Real Bilateral (LTCRB) 0.991 3.901

-0.77 -1.16 -0.81 -0.73 -1.28 -0.99 1.44 0.31
Valores críticos al:
99% - 2.56 -3.46 -3.99 -2.58 -3.46 -3.99 0.74 0.22
95% -1.94 -2.87 -3.43 -1.94 -2.87 -3.43 0.46 0.15
90% -1.62 -2.57 -3.14 -1.62 -2.57 -3.14 0.35 0.12
Fuente: Elaboración propia. Resultados de la estimación en Eviews 9.
111
En la tabla N°7 las series están expresadas en primeras diferencias, todos los
valores de t* statistic prácticamente son mayores a los valores críticos de MacKinnon,
rechazando la hipótesis nula e indicando que son estacionarios en primeras diferencias, y
en el caso de la prueba KPSS son menores aceptando la hipótesis nula de estacionariedad
en primeras diferencias. Por lo que se concluye que las variables incorporadas en el
modelo son estacionarias en primeras diferencias o que su orden de integración es 𝐼(0)
en primeras diferencias. Las estimaciones en el realizadas programa Eviews 9 se
encuentran en el anexo C.
Los tests Dickey-Fuller asumen que los residuos de la ecuación de regresión no
están auto correlacionados ni son heteroscedasticos. De acuerdo a las pruebas Dickey-
Fuller, Phillips-Perron y KPSS todas las variables involucradas en el modelo tienen raíz
unitaria (con intercepto) o son no estacionarias en niveles.
112
Tabla N°7: Test de raíces unitarias en primeras diferencias y estacionariedad
Autocorrelación Dickey-Fuller Aumentado Phillips-Perron (PP) KPSS
. CONTRASTES (ADF)
VARIABLES 4
𝜌1 ∑ 𝜌𝑖 𝜏̂ 𝜏̂𝜇 𝜏̂𝜏 ̂)
𝑧(𝜏 𝑧(𝜏
̂𝜇 ) 𝑧(𝜏
̂𝜏 ) 𝜂𝜇̀ 𝜂̀
𝑖=1
Exportaciones no tradicionales
-0.41 -0.45 -1.78 -2.33 -2.47 -25.08 -27.81 -27.83 0.16 0.09
(LXNT)
Ingreso Personal Disponible Externo

-0.24 -0.70 -14.38 -17.46 -11.46 -14.96 -18.45 -18.52 0.13 0.09
(LIPDEX)
Términos de Intercambio (TI) 0.07 0.31 -13.47 -13.58 -13.59 -13.73 -13.79 -13.78 0.13 0.07
Tipo de Cambio Real Bilateral

0.28 0.28 -10.89 -10.92 -10.91 -10.87 -10.88 -10.86 0.15 0.12
(TCRB)
Valores críticos al:
99% - 2.58 -3.46 -4.00 -2.58 -3.46 -3.99 0.74 0.22
95% -1.94 -2.87 -3.43 -1.94 -2.87 -3.43 0.46 0.15
90% -1.62 -2.57 -3.14 -1.62 -2.57 -3.14 0.35 0.12
Fuente: Elaboración propia. Resultados de la estimación en Eviews 9.
113
4.4. RELACIONES A LARGO PLAZO DE LAS EXPORTACIONES PARA
PRODUCTOS NO TRADICIONALES Y EL INGRESO PERSONAL
DISPONIBLE EXTERNO, TÉRMINOS DE INTERCAMBIO Y TIPO DE
CAMBIO REAL BILATERAL
4.4.1. Modelo de Largo Plazo de las exportaciones para productos no tradicionales
Para saber que existe relación a largo plazo entre la variable endógena y la
exógenas, tenemos que comprobar que exista cointegración entre ellas, sin embargo,
dicha cointegración la realizaremos más adelante, ahora presentamos la ecuación a largo
plazo para las exportaciones para productos no tradicionales.
Sea 𝑦𝑡 un vector que reúne M variables. Supongamos que existen 𝑟 vectores de
cointegración linealmente independientes, con 𝛾𝑖 = (1 − 𝜃), 𝑖 = 1, … 𝑟, donde cada
vector se distingue por estar normalizado en una variable distinta. Si suponemos que
tenemos un conjunto de variables exógenas I(0), incluyendo una constante, cada vector
de cointegración produce una relación de equilibrio:
yt ′γi = xt β + μt
Siendo:
Yit = yit′ θ + xt′ β + μt i = 1, 2, 3, … , r
Especificaciones y estimación de la ecuación a largo plazo:
LXNTt = β0 + β1 LIPDEXt + β2 LTIt + β3 LTCRBt + εt
Para la estimación del Modelo de largo plazo incluyendo se hizo la regresión a
través del MCO (ver anexo D), dicho modelo incluye el Ingreso Personal Disponible
Externo, Términos de Intercambio y Tipo de Cambio Real Bilateral.
114
Tabla N°8: Resumen de estimación del modelo I
MODELO I MODELO II
t-
Coeficientes t-Estadístico Coeficientes
Estadístico
Constante -9.29 -9.863 -16.45 -41.270
LIPDEX 1.85 32.032 2.00 32.202
LTI 0.68 11.238 0.93 16.032
LTCRB -0.99 -8.188 --- ---
R^2 0.973 0.965
F-estadístico 2663.694 3062.873
Durbin-Watson 1.01 0.790
Fuente: Elaboración propia. Resultado de estimación en Eviews 9.
En la tabla N°8 vemos el resumen de la estimación de modelo de largo plazo para
el modelo I y II. Para la investigación haremos uso del modelo II. Debido a que el
coeficiente del TRCB en el modelo no sale consistente con la teoría económica, se
procedió a regresionar el modelo solo con el Ingreso Personal Disponible Externo y los
Términos de Intercambio, el coeficiente de la variable del Tipo de cambio real bilateral
no sale consistente con la teoría económica debido a diversos factores tales como:
-El TCRB es alterado por el precio de los minerales lo cuales pertenecen a los productos
tradicionales (una caída o subida de los precios internacionales del oro o cobre, por
ejemplo, hace que el TCRB suba).
-La mayoría de las exportaciones son materias primas, en cambio en las exportaciones no
tradicionales en su mayoría son productos de bienes finales.
-En el Perú las exportaciones tradicionales forman más del 70% del total de
exportaciones.
-El BCR hace intervenciones para que el TCN no tenga fluctuaciones muy fuertes.
Por lo tanto, el modelo a largo plazo estimado sería el siguiente:
𝐿𝑋𝑁𝑇𝑡 = −16.45 + 2.00𝐿𝐼𝑃𝐷𝐸𝑋𝑡 + 0.93𝐿𝑇𝐼𝑡 + 𝜀𝑡
115
(0.399) (0.062) (0.058)
[−41.270] [32.202] [16.032]
𝑅 2 = 0.965
𝐹 = 3062.873
𝐷𝑊 = 0.790
En donde las cifras entre paréntesis son los errores estándar asociados a cada
parámetro estimado y las cifras entre corchetes son los estadísticos t.
Los parámetros estimados en el modelo de regresión representan las elasticidades
parciales de las exportaciones para productos no tradicionales con respecto a cada una de
las variables que se incluyó en el modelo de regresión; es decir la elasticidad de las
exportaciones para productos no tradicionales con respecto al Producto Interno Bruto
Externo está dada por la siguiente expresión:
𝜕𝐿𝑜𝑔(𝑋𝑁𝑇)
𝑒𝑃𝐼𝐵𝐸𝑋 = = 2.00
𝜕𝐿𝑜𝑔(𝑃𝐼𝐵𝐸𝑋)
El resultado anterior se interpretaría de la siguiente manera, si el Producto Interno
Bruto Externo (PIB de Estados Unidos) aumenta en 1% las exportaciones para productos
no tradicionales se incrementarán en 2%, por lo que concluimos que es elástica. De igual
forma se interpreta el parámetro de LTI (0.93).
Prueba de relevancia individual y conjunta de los parámetros estimados
La significancia estadística de cada uno de los parámetros estimados se puede
probar a través del estadístico t.
La hipótesis nula establece que:
𝐻0 : 𝛼2 = 0, el parámetro del Ingreso Persona Disponible Externo (IPDEX) no es
significativo.
116
𝐻1 : 𝛼2 ≠ 0, el parámetro del Ingreso Persona Disponible Externo (IPDEX) es
significativo.
Estadístico de prueba:
𝛽̂1 − 𝛽1
𝑡𝑐 =
𝜎
Donde 𝜎 es el error estándar del parámetro estimado.
Puesto que la probabilidad de cometer un error tipo I es 0.00000, entonces se
puede concluir que, el parámetro estimado es estadísticamente significativo a un nivel de
confianza del 99.99%. De igual forma, los demás parámetros son significativos
estadísticamente.
El estadístico de prueba es F, en la estimación del modelo de regresión anterior,
resulta altamente significativo, ya que su valor es 3062.87
La bondad de ajuste del modelo es medida por el Coeficiente 𝑅 2 = 0.96, el cual
indica que las variaciones de la variable endógena (Exportaciones para productos no
tradicionales) son explicadas (linealmente) en un 96% por las variaciones de las variables
independientes del modelo (IPDEX, TI).
Si las variables están realmente cointegradas, se lleva a cabo el contraste de raíz
unitaria de los residuos {𝜀̂𝑡 }que resultan de la ecuación de largo plazo. Para lo cual se
puede utilizar, el test de Dickey Fuller Aumentado:
∆𝜀̂𝑡 = 𝛾𝜀̂𝑡−1 + ∑ 𝜃𝑖 ∆𝜀̂𝑡−1 + 𝜇𝑡

𝑖=1
117
Puesto que la secuencia {𝜀̂𝑡 } es un residual de la ecuación de regresión, no es
necesario incluir tendencia ni intercepto en la ecuación de regresión de Dickey-Fuller
Aumentado. El parámetro de interés en la ecuación anterior es 𝛾.
La hipótesis nula es, 𝐻0 : 𝛾 = 0, la {𝜀̂𝑡 } tiene una raíz unitaria; i.e. no existe
cointegración. Si se rechaza la hipótesis nula se concluye que la secuencia de los residuos
es estacionaria y que las variables están cointegradas.
Las estimaciones realizadas de la prueba de raíz unitaria de los residuales se
presentan en el anexo D.3. Los resultados obtenidos muestran que, en términos absolutos,
el valor de ADF calculado para el modelo 𝜏 = −4.145215 es mayor que el valor critico
MacKinnon al 1% del nivel de significancia, entonces se rechaza la hipótesis nula de no
cointegración en el modelo y se concluye que existe una relación de equilibrio de largo
plazo entre las series consideradas en el modelo.
4.4.2. Numero de rezagos óptimos del VAR
Para determinar el número de rezagos óptimos para el VAR en primeras
diferencias se debe de incluir hasta 8 rezagos, por tratarse de series mensuales, para
asegurar que los Residuos sean Ruido Blanco (White Noise). Los asteriscos en las tablas
de selección de rezago óptimo indican el rezago seleccionado tanto por el estadístico
como por los criterios.
En el modelo correspondiente, se determinó el retardo óptimo en 8 rezagos,
resultando la tabla N°9. El estadístico SC y HN indican un rezago, los criterios LR 8
rezagos, FPE, AIC señalan 2 rezagos. El número de rezagos en el modelo VAR se
determinó utilizando el criterio de información de AIC el cual siempre seleccionan
rezagos superiores, y es el más convenientes para series largas.
118
Tabla N°9: Selección de rezago optimo
Variables Endogenas: LXNT, LPIBEX, LTI, LTCRB

Lag LogL LR FPE AIC SC HQ
0 1412.963 NA 5.13e-10 -12.87638 -12.82995 -12.85763
1 1439.367 51.84303 4.38e-10 -13.03531 -12.84961* -12.96031*
2 1449.531 19.67752 4.33e-10* -13.04594* -12.72096 -12.91469
3 1454.696 9.859197 4.49e-10 -13.01092 -12.54667 -12.82342
4 1458.885 7.881436 4.69e-10 -12.96699 -12.36346 -12.72324
5 1464.715 10.80685 4.83e-10 -12.93803 -12.19522 -12.63804
6 1471.107 11.67593 4.95e-10 -12.91422 -12.03213 -12.55797
7 1477.685 11.83297 5.06e-10 -12.89210 -11.87073 -12.47960
8 1487.422 17.25105* 5.03e-10 -12.89883 -11.73819 -12.43008
*Indica el criterio óptimo de selección de rezago
Nota: Resultado del Programa Eviews
4.4.3. Análisis de cointegración multivariada de Johansen
En esta sección realizaremos el análisis de la presencia de una o más relaciones
de cointegración, seguidamente se estima el/los vectores de cointegración
correspondientes, con la prueba de cointegración multivariada de Johansen.
La metodología del análisis de cointegración multivariada de Johansen considera
las siguientes hipótesis para determinar el número de vectores de cointegración con la
prueba del Máximo Valor Propio (Maximun Eigenvalue test)
𝐻𝑜 : r=0, (none), es decir que no existen vectores de cointegración
𝐻1 : r=1, Existe un vector de integración.
Se rechaza 𝐻𝑜 cuando el valor estadístico de probabilidad sea menor al 0.05 y no
se rechaza la 𝐻𝑜 cuando el valor de probabilidad es mayor a 0.05.
El análisis econométrico se basa en considerar un vector de k variables no
estacionarias que forman un sistema cointegrador que puede ser interpretado como una
oferta de largo plazo de las exportaciones para productos no tradicionales, dependiendo
de otras k-1 variables. El número de vectores de cointegración dependerá del número de
119
variables que se utilice en el modelo y del retardo óptimo. Para el modelo de la tesis se
utilizará 4 variables por lo que el máximo número de vectores de cointegración sería de
3, los resultados de cointegración se muestran a continuación en la siguiente tabla.
Tabla N°10: Análisis de cointegración multivariada de Johansen
Máximo valor propio Estadístico de la Traza

Hipótesis
Max Valor Critico al 5% Prob. Traza Valor Critico al 5% Prob.
Ninguna * 30.99 21.13 0.00 34.31 29.79707 0.0141
Al menos 1 3.31 14.26 0.92 3.32 15.49471 0.9506
Al menos 2 0.01 3.84 0.92 0.01 3.841466 0.9200
Los resultados obtenidos del procesamiento en Software Eviews 9, el estadístico de la
traza y máximo valor propio sugieren que entre las exportaciones para productos no
tradicionales y las demás variables, existe cointegración, ya que se rechaza la hipótesis
nula de no cointegración al nivel de significancia del 5%. Es así, que para el periodo de
análisis existe una ecuación de cointegración. En consecuencia, se puede afirmar que
entre las variables XNT, IPDEX y TI existe una relación de largo plazo en el modelo.
4.4.4. Modelo de cointegración de Johansen
De acuerdo a los resultados obtenidos ver anexos F, los coeficientes normalizados
para cada variable se presentan en la siguiente tabla resumen:
Tabla N°11: Vector de cointegración normalizada del modelo
Coeficiente
LXNT C LIPDEX LTI de ajuste
D(LXNT)
Coeficientes de cointegración de largo

1 15.35 -1.81 -1.08 -0.34
plazo normalizados
t estadístico -12.86 -8.29 -5.62

120
La tabla N°11 muestra los coeficientes normalizados de la ecuación cointegrante
de largo plazo a través de la metodología de Johansen, las cuales son elasticidades
parciales, los estadísticos t muestran que son significativos al 99%.
4.4.5. Modelo de cointegración de contraste por bandas: El método de Pesaran,
Shin y Smith (PSS)
El procedimiento de Pesaran, Shin y Smith (2001) presenta al menos tres ventajas
importantes frente a los dos enfoques alternativos habituales empleados en la literatura
empírica: La metodología uniecuacional de Engle-Granger y el método de Johansen
basado en un sistema de ecuaciones. PSS proporcionan un conjunto de valores críticos
suponiendo, en primer lugar, que las variables objeto de estudio son I(1) y, en segundo
lugar, que dichas variables son I(0). Estos autores proponen un procedimiento de
contraste de bandas, de tal forma que, si el estadístico F o el estadístico t se encuentran
fuera de las bandas de valores críticos, se puede extraer una conclusión acerca de la
existencia o no de una relación de largo plazo entre las variables en niveles sin necesidad
de conocer previamente el orden de integración de las series examinadas. Sin embargo,
si los mencionados estadísticos se encuentran de las bandas de valores críticos
establecidos, no se puede extraer ninguna conclusión sin antes analizar el orden de
integración de las series utilizadas.
La metodología econométrica utilizada permite la estimación de una relación a
largo plazo sin conocer con certeza si los regresores son variables I(0) ó I(1), necesitamos
asegurarnos de que la variable dependiente es I(1) y que ninguna variable utilizada en el
análisis es I(d), con d ≥ 2. En efecto, se puede observar en la tabla N°7. Todas las variables
utilizadas en el presente estudio son integradas de orden 1, por lo que no hay
inconvenientes para la utilización del método de Pesaran.
121
Antes de realizar las estimaciones de la ecuación del modelo de corrección de
errores se determina el número óptimo de retardos, de acuerdo al criterio de información
de Akaike, nos resulta considerar 3 retardos.
Inmediatamente se lleva a cabo la estimación del modelo de corrección de errores
utilizando la metodología de Pesaran, Shin y Smith y para la evaluación econométrica se
utilizan diferentes indicadores tales como, el contraste de normalidad de Jarque-Bera, el
test de autocorrelación Breusch-Godfrey (Multiplicar de Lagrange), el contraste de
heteroscedasticidad de White. Finalmente, para probar la estabilidad del modelo se
utilizan la suma de residuales normalizados, CUSUM y CUSUM cuadrado.
De acuerdo a los resultados obtenidos ver anexos F.2, los coeficientes
normalizados para cada variable se presentan en la siguiente tabla resumen:
Tabla N°12: Coeficientes normalizados de largo plazo (PSS)
LXNT C LIPDEX LTI CointEq(-1)

Coeficientes de cointegración
1 -15.49 1.827 1.08 -0.303
de largo plazo normalizados
t-estadístico -15.867 12.046 7.677 -5.979
Error Estándar 0.976 0.152 0.141 0.051
R^2 0.98
Estadistico F 1821.449
Durbin Watson 1.998
Jarque Bera 0.345
Breusch-Godfrey 0.241 Prob. F(2,216) 0.786
White 1.645 Prob. F(6,218) 0.136
122
Debido a que el estadístico F (Wald) es mayor a los valores críticos al 1% de
significancia (ver tabla N°13) se rechaza la hipótesis nula con lo cual concluimos que
existe cointegración entre variables en el largo plazo (Ver anexo F.3).
Tabla N°13: Test de cointegración de pesaran
Estadístico F
31.57**
Valor
I(0) I(1)
critico
5.17 6.36
**Significativo al 1%
Jarque–Bera: 0.345, es un contraste de normalidad de los residuos del modelo que
se distribuye como una χ2 con dos grados de libertad, le resultados hallados nos indica
que los residuos tienen una distribución normal.
Durbin-Watson=2.029 solo es referencial debido a que el modelo ARDL tiene
como variables los rezagos de la variable dependiente, los que invalida su uso.
Breusch-Godfrey, LM-MT: F=0.241 (0.786), son contrastes de autocorrelación de
los residuos, que se distribuye como una χ2 con p grados de libertad, el resultado nos
indica que no se puede rechazar la hipótesis nula que dice que no existe correlación serial,
Test de White: MT- F=1.645, es un test de heteroscedasticidad, el resultado indica
que no se puede rechazar la hipótesis nula (los residuales son homoscedasticos).
A continuación, presentamos el test de estabilidad correspondiente al modelo
estimado que nos indica la estabilidad del modelo lo cual respalda lo parsimonioso del
modelo estimado y los parámetros robustos obtenidos.
123
Figura N°17: Test de estabilidad CUSUM y CUSUM cuadrado
En la Figura anterior se observa la estimación recursiva de los coeficientes del
modelo ARDL, donde se aprecia que los coeficientes estimados no se salen de las bandas
de confianza y que estos van cerrando cuando aumentan los retardos.
A continuación, se muestra una tabla resumen de los resultados de cointegración
por la metodología de Johansen y el procedimiento por bandas de Pesaran, Shin y Smith.
Tabla N°14: Resumen de metodologías de cointegración
Johansen PSS
Variables Coeficientes t Estadísticos Coeficientes t Estadistico
C -15.35 -15.49 -15.867
LIPDEX 1.81 -12.858 1.83 12.046
LTI 1.08 -8.290 1.08 7.677
CointEq(-1) -0.34 -5.618 -0.30 -5.979
R^2 0.98
Estadistico F 1821.449
Durbin-Watson 1.998
Después de haber obtenido los resultados de cointegración a través de la
metodología multivariada de Johansen y el procedimiento por bandas de PSS, se escogió
124
el segundo por ser más consistente, ya que dicha metodología no cae en error de medición
y formulación.
𝐿𝑋𝑁𝑇𝑡 = −15.49 + 1.83𝐿𝐼𝑃𝐷𝐸𝑋𝑡 + 1.08𝐿𝑇𝐼𝑡 (16)
La ecuación (16) es la ecuación cointegrante de largo plazo, los parámetros que
acompañan a las variables son elasticidades parciales.
La tabla N°14 muestra los coeficientes de largo plazo normalizados estimados,
en el cual se obtiene que las variables macroeconómicas Ingreso Personal Disponible
Externo (Estados Unidos), Términos de intercambio, tienen un efecto positivo sobre las
exportaciones para productos no tradicionales, esto se explica por el escenario favorable
que existe para las exportaciones peruanas en el exterior, dichos resultados son
consistentes con los hallados en la investigación de Bustamante (2007), donde el autor
encuentra una relación directa entre el Producto Interno Bruto externo, así mismo, la
relación encontrada entre los las exportaciones no tradicionales y el tipo de cambio real
bilateral fue directa, en nuestra investigación ya no hicimos uso de dicha variable (tipo de
cambio real bilateral), ya que la relación encontrada fue inversa, por ello no realizamos
el uso de dicha variable dado que el resultado obtenido era negativo contrario a la teoría
económica, esto se debe a que en el periodo de análisis el comportamiento de dicha
variable es inestable además de ellos dicha variable se ve alterada por los precios
internacionales de los metales dado que somos un país exportador de metales lo cual altera
el comportamiento del tipo de cambio real bilateral, aparte de ello también podemos
señalar que el tipo de cambio no es una variable que en su totalidad sea determinada por
el mercado, ya que el BCR siempre hace intervenciones para que no tenga fluctuaciones
fuertes. Castro & Llallahui (2013) en su investigación hallaron una relación directa entre
el PIB Externo y las exportaciones no tradicionales como en nuestra investigación.
125
Bustamante (2015), encontró una relación inversa entre las exportaciones no tradicionales
y el tipo de cambio real bilateral, menciona que “esto se debería a un efecto hoja de
balance, dado que los exportadores importan bienes de capital e insumos en dólares y el
incremento del tipo de cambio les genera más costos adicionales que los ingresos
adicionales que tienen por exportar productos con poco valor agregado”.
También cabe destacar que hubo dos escenarios en el intervalo de la investigación,
ya que a finales del 2008 hubo una caída tremenda de los niveles de exportación, esto
debido a la crisis financiera internacional, sin embargo, después de tal caída, el nivel de
exportaciones se fue recuperando progresivamente.
Puesto que el modelo econométrico es logarítmico los coeficientes estimados
constituyen elasticidades de la exportación para productos no tradicionales con respecto
a cada una de las variables explicativas, además los parámetros estimados en el modelo,
muestran consistencia con la teoría económica, la cual implica lo siguiente.
-La variable del Ingreso Personal Disponible externo (Estados Unidos) muestra la
relación directa de largo plazo, puesto que, si se incrementa en 1 %, las exportaciones
para productos no tradicionales en el periodo 2000.01 al 2018.12 aumentaran en 1.83%.
-Los resultados indican que, si los términos de intercambio se incrementan en 1%, las
exportaciones para productos no tradicionales en el periodo 2000.01 al 2018.12 se
incrementaran en 1.08%.
Después de haber analizado el modelo, concluimos que el modelo estimado se
ajusta mejor a la realidad económica, puesto que se comprobó la relación de dichas
variables con la teoría económica, pues según la teoría todas estas variables tienen
relación directa con las exportaciones, nuestros resultados obtenidos corroboran la teoría.
Ya que permite determinar las variables macroeconómicas que influyen en la
126
exportaciones para productos no tradicionales del Perú, en la coyuntura actual, además
de brindar un aporte teórico importante del comportamiento de las exportaciones no
tradicionales, sin embargo, a pesar de la crisis del 2008, los factores mencionados siguen
siendo determinantes en las exportaciones para productos no tradicionales en diferentes
escenarios de crecimiento y estabilidad económica mundial (2000 al 2008), y de
recuperación después de las crisis internacional (2009 al 2018).
4.4.6. Coeficiente de ajuste
Los coeficientes hallados muestran que la velocidad de ajuste de corto plazo de
las variables en dirección al equilibrio de largo plazo. Si existiera un desequilibrio en el
corto plazo, un alto valor de 𝛼 indicaría que la velocidad de ajuste es rápida en dirección
de equilibrio de largo plazo, lo contrario muestra que la velocidad es baja y
consecuentemente el ajuste de una situación de desequilibrio de corto plazo para una
situación de largo plazo tendería a ser corregida lentamente, ver tabla 10.
Para el modelo, el coeficiente de ajuste de 𝛼 es 0.30, el cual es estadísticamente
significativo al 99% de nivel de significancia, e indica que en cada mes se corrige
alrededor del 30% de la diferencia existente entre el valor actual y el valor de equilibrio
de largo plazo.
127
4.5. DISCUSIÓN
En la investigación es claro el aporte de la variable Ingreso Personal Disponible
Externo en las exportaciones para productos no tradicionales del Perú, puesto que Estados
Unidos es el principal socio comercial en lo que se refiere a exportaciones no
tradicionales, ya que en dicho país el ingreso personal disponible fue creciendo a lo largo
de los años. Ante el incremento del ingreso externo, la demanda externa se incrementará,
por ende, el volumen de exportaciones no tradicionales se incrementará, tal como se
demuestra con los resultados obtenidos. También cabe destacar que, después de la crisis
financiera internacional el ingreso disponible externo ha logrado recuperarse, durante la
crisis financiera internacional, la desaceleración del crecimiento económico fue fuerte,
llegando a impactar negativamente en el ingreso personal disponible durante el 2009
teniendo una tasa de crecimiento de -0.26% respecto al año anterior, lo cual hizo que la
demanda de las exportaciones no tradicionales se debilitara. A pesar de ello fue los niveles
de exportaciones no tradicional no cayeron más del 18%, y los Estados Unidos siguió
siendo el principal socio comercial durante los próximos años.
Según nuestros resultados del modelo estimado encontramos que las variables
ingreso personal disponible externo (Estados Unidos), términos de intercambio tienen una
relación directa con la exportación para productos no tradicionales, sin embargo, el tipo
de cambio real bilateral tiene una relación inversa con ésta.
De acuerdo a los resultados de la presente investigación el ingreso personal
disponible externo de los Estados Unidos el cual vendría a ser la demanda externa es el
principal factor determinantes de las exportaciones no tradicionales, ya que este factor
influye de manera directa sobre las exportaciones para productos no tradicionales del Perú
en 1.83%, lo cual es concordante con los resultados hallados por Bustamante (2015), en
su estudio de investigación determinó que el ingreso foráneo (ingreso externo) tiene un
128
impacto positivo en las exportaciones no tradicionales, cuyo resultados fue 6.1% y de la
misma forma, el mismo autor pero para un periodo diferente (1992-2007) (3.84%), el
autor afirma en su estudio que el principal determinante de las exportaciones para
productos no tradicionales es el Producto de EE. UU. Así mismo, Castro & Llallahui
(2013) demostraron que las exportaciones no tradicionales tienen una respuesta positiva
a variaciones del Producto Bruto Interno de los Estados Unidos, pues el incremento del
1% en el Producto Bruto Interno de Estados Unidos conduce a un aumento del 2.89% en
las Exportaciones No Tradicionales. Misas A. et al. (2001) en su estudio encuentra la
existencia de una relación directa entre las exportaciones no tradicionales y la demanda
externa (Producto Interno Bruto de los Estados Unidos), hallado un coeficiente de 3.17%,
un resultado superior al hallado en nuestra investigación. También nuestros resultados se
pueden corroborar con los hallados por Lazo Flores (2016), donde la elasticidad parcial
del Ingreso Externo fue 1.99%, el cual no difiere mucho el hallado en la investigación.
El resultado encontrado por Bustamante (2007 y 2015) es mayor al encontrado en
nuestra investigación, esto debido a que su periodo de estudio representa un escenario
estable del Producto Bruto Interno de los Estados Unidos, sin embargo, para su
investigación del 2015 encontró un resultado menor al hallado en su anterior estudio, el
autor menciona que se debe a factores como el menor crecimiento de la economía
estadounidense.
En cuanto al tipo de cambio real bilateral, en la investigación ya no se consideró
como un factor determinante para las exportaciones para productos no tradicionales del
Perú debido a que el resultado obtenido no fue el esperado (-0.80), debidos a que tal
resultados no es concordante con la teoría económica, y con los resultados obtenidos por
Romaní (2007), quien encuentra a una relación directa entre las exportaciones no
tradicionales y el tipo de cambio real bilateral, ya que ante un incremento del 1% del tipo
129
de cambio real bilateral las exportaciones se incrementarán en 1.90%. En cambio, en su
estudio del 2015, el autor considera al tipo de cambio real bilateral como factor
determinante, sin embargo, el resultado obtenido que encuentra tiene una relación inversa
con las exportaciones no tradicionales (-11.7%), como en nuestro, al contrario, en el
estudio realizado por Castro y LLalahui (2013), encuentran una relación directa (0.67%)
entre el tipo de cambio real multilateral y las exportaciones no tradicionales. Misas
(2001), halla una relación directa entre los precios relativos y las exportaciones no
tradicionales (2.12%), ante un incremento en 1% de los precios relativos, las
exportaciones no tradicionales se incrementarán en 2.12%.
Por lo tanto, se puede concluir que la elasticidad de la exportación no tradicional
hacia el principal socio comercial que es Estados Unidos es la más representativa, siendo
de 1.83% lo cual, es concordante con los resultados obtenidos por Romaní (2007 y 2015)
y Lazo (2016) donde las exportaciones se ven considerablemente afectadas positivamente
por cambios en el ingreso de EE.UU. en 3.84%, 6.1% y 1.99% respectivamente. Así
mismo, Castro y Llalahui (2014) en su investigación concluyo que se establece una fuerte
sensibilidad frente el PIB de los Estados Unidos, así como en nuestro caso.
130
V. CONCLUSIONES
Las exportaciones para productos no tradicionales durante el periodo enero 2000
- diciembre 2018 crecieron en 548% a un promedio anual de 11.75%, excepto en el año
2009 en el que disminuyo 18.07% con respecto al año anterior, ocasionado
principalmente por la crisis financiera internacional que afecto el nivel de actividad
económica a nivel mundial, principalmente de nuestro primer socio comercial (Estados
Unidos el cual tuvo una desaceleración de su PIB de 1.79%). El principal sector que ha
impulsado la exportación no tradicional es el agropecuario (mayor exportación de uvas
frescas, espárragos, arándanos, paltas, entre otros) el cual tuvo un comportamiento
creciente y dinámico, seguido por el sector químico que ha aportado relativamente al
crecimiento de las exportaciones no tradicionales, y los demás sectores en los cuales el
crecimiento no ha sido muy significativo para las exportaciones no tradicionales. Dentro
de los principales países de destino de las exportaciones no tradicionales del Perú a
diciembre 2017 por orden de importancia son: Estados Unidos, Países Bajos, Ecuador,
Chile, en participación registraron el 29%, 7%, 6%, 6% respectivamente. Dentro de las
variables que influyeron en el incremento de las Exportaciones para productos no
tradicionales es la entrada en vigencia de tratados de libre comercio (TLC) que el Perú
suscribió con diferentes países y bloques económicos, a su vez ello ha provocado una
disminución de los aranceles a nuestras exportaciones. asimismo, la diversificación de la
canasta de productos de exportación y la existencia de ventaja competitiva que posee el
Perú en los diversos sectores de exportación, permitieron el mayor volumen de las
exportaciones.
El comportamiento de los factores determinantes que afectan las exportaciones no
tradicionales fue creciente en el intervalo de tiempo de la investigación. El Ingreso
Personal Disponibles tuvo un crecimiento promedio anual del 4.29%, el cual tuvo un
131
comportamiento estable, a pesar de la crisis financiera del 2008, ya que el 2009 fue el
único año en el que tuvo un crecimiento negativo de -0.26% respecto al año anterior
puesto que la desaceleración económica que paso afecto el crecimiento de su PIB el cual
tuvo una tasa de -1.79%, a pesar de ello al siguiente año presento una tasa de crecimiento
de 3.73%, en el año 2018 el Ingreso Personal Disponible Externo mostro una tasa de
crecimiento de 6.12% (la tasa de crecimiento de PIB fue de 5.18% según datos del Banco
Mundial), la tasa más alta encontrada en el periodo de investigación. Los términos de
intercambio tuvieron un crecimiento promedio de 3.33%, a pesar de las caídas que mostro
durante el intervalo de análisis, durante el 2000 al 2007, los términos de intercambio
tuvieron un comportamiento creciente, debido a la mayor actividad de la economía
mundial, lo que se tradujo en un aumento del volumen exportado, así como la aceleración
del crecimiento económico de China, el 2008 y 2009 se presentó caídas debido a la
disminución de los precios de los commodities. Para años posteriores el comportamiento
de esta variable fue con subidas y bajadas, debido a la reducción de precios de
exportación, la reducción de los precios internacionales de los alimentos, así como la
caída de los precios de los commodities. El 2018 estuvo afectado por las tensiones
comerciales entre EE UU y China lo cual trajo temores sobre la desaceleración económica
mundial.
Las estimaciones econométricas del modelo de exportaciones para productos no
tradicionales de largo plazo planteado en la presente investigación muestran que los
coeficientes de regresión asociado a las variables Ingreso personal disponible externo
(Estados Unidos) y los términos de intercambio resultaron estadísticamente significativos
en forma individual y en forma conjunta. Para determinar las relaciones de equilibrio de
largo plazo entre las variables involucradas en el modelo econométrico, se utilizó la
metodología de cointegración por bandas de PSS, el cual mostro que existe relacion de
132
equilibrio de largo plazo entre las series econométricas no estacionarias. Según las
estimaciones realizadas para el periodo 2000 al 2018 indica que la variable
macroeconómica Ingreso Personal Disponible Externo (IPDEX) y los Términos de
intercambio (TI) influyen de manera positiva en las exportaciones no tradicionales del
Perú. Esto se puede contrastar con los resultados obtenidos según las elasticidades de cada
una de las variables explicativas, lo cual indican que, si el ingreso personal disponible
externo se incrementa en 1 %, las exportaciones para productos no tradicionales se
incrementarán en 1.83%, si los términos de intercambio se incrementan en 1 %, las
exportaciones no tradicionales se incrementaran en 1.08%. Estos resultados sugieren que
el Ingreso Personal Disponible Externo tiene una fuerte influencia en las exportaciones
no tradicionales, ya que la demanda del país norteamericano tiene influencias directas
muy fuertes en el desempeño de las exportaciones no tradicionales peruanas.
Por otro lado, se cumple el teorema de igualación de la remuneración de los
factores; puesto que el libre comercio que existe con otros países, hace que la
remuneración de los factores converja a la remuneración de los países que demandan
nuestros productos, en el caso del ingreso, el ingreso tiende a converger al ingreso de los
países que importan nuestros productos.
133
VI. RECOMENDACIONES
En este trabajo de investigación se ha discutido las exportaciones no tradicionales
que el Perú realizo en los últimos 18 años, los cuales se basaron principalmente en las
exportaciones de productos agropecuarios, textiles, pesqueros, químicos,
siderometalúrgicos y joyería, entre otros, sin embargo, durante los últimos años el
crecimiento del sector agropecuario fue muy notable llegando a concentrar el 45% de las
exportaciones no tradicionales del país y la disminución del nivel de las exportaciones
textiles las cuales fueron decayendo logrando a ser solo el 11%, entonces se recomienda
la mayor diversificación de la oferta exportable de sectores como textil, químicos,
pesqueros, los cuales han ido creciendo pero que no es notorio, así mismo aprovechar las
ventajas competitivas que posee el Perú en los diferentes sectores de exportación no
tradicional, especialmente en las exportaciones agropecuarias, textiles y pesqueros.
También las recomendaciones de estrategias de política económica están dirigidas al
mejoramiento de las estrategias comerciales (mayor apertura comercial) y al apoyo del
nivel de productividad económica, así como también políticas de agroexportaciones que
permitan dar un mayor valor agregado a nuestros productos agropecuarios, la
industrialización de los mismos, lo que a su vez se traducirá en mayores niveles de
competitividad de la capacidad productiva del país, así como fomentar la inversión en
desarrollo de tecnología, que permita darle valor agregado a los productos de exportación
no tradicional.
Las exportaciones no tradicionales representan el 26.98% de las exportaciones
totales del Perú, lo que es importante para la economía en generación de divisas, empleo,
comercio y entre otras, entonces, se recomendaría tomar en cuenta las variables
macroeconómicas ya que influye con mayor representatividad, más que nada el ingreso
personal disponible externo, puesto que casi todos los productos de exportaciones no
134
tradicionales son bienes finales que van directo hacía el consumidor, entonces el
consumidor a mayor ingreso mayor demanda de nuestros productos.
En vista de los resultados encontrados en el modelo estimado y el escenario actual
de las exportaciones para productos no tradicionales, en el cual las variables
macroeconómicas objeto de estudio influyen de manera positiva sobre las exportaciones
no tradicionales, se recomienda, realizar un estudio a nivel microeconómico que permita
identificar porque factores como el tipo de cambio real bilateral influyen de manera
negativa, ya que ante un tipo de cambio real bilateral con influencia negativa en la
exportaciones no tradicionales tiene como resultado una menor competitividad del
exportador frente a otros exportadores, entonces se sugiere políticas públicas acorde a la
teoría económica, que puedan ayudar a mejorar la competitividad del exportador en el
exterior.
La agroexportación no tradicional tuvo una tendencia creciente (2000-2018), pero
otros sectores no tradicionales como textiles, pesqueros, químicos, siderometalúrgicos y
joyería los cuales mostraron tasas de crecimiento inestables. Por lo que se sugiere realizar
estudio de la agroexportación no tradicional y también estudiar porque los demás sectores
no crecen como el sector agropecuario.
Las recomendaciones de estrategias de política a corto plazo, serían las siguientes:
la construcción de vías de transporte (carreteras) que puedan beneficiar al productor
reduciendo su tiempo y costo de traslado de sus productos, también incrementar más
capacitaciones lo cual ayudara a que los productores puedan saber y conocer de qué
manera pueden exportar su productos y a que mercados dirigirlos, fomentar el crédito a
tasas de interés mínimas para que los productores puedan incrementar su nivel de
productividad y producción. También la mayor asistencia técnica para el fortalecimiento
135
de su capacidad productiva y el aprovechamiento de nuevas tecnologías en la producción.
Mayor descentralización de las oficinas certificadoras de productos en las distintas
regiones del país, para el que productor no tenga que estar viajando a otros departamentos.
136
VII. REFERENCIAS BIBLIOGRÁFICAS
Augusto, C., & Morales, D. (2018). Determinantes de las exportaciones tradicionales

peruanas (periodo 2002-2016): usando un enfoque VEC.
Banco Central de Reserva del Peru. (2013). Memoria 2013. Retrieved from
http://www.bcrp.gob.pe/docs/Publicaciones/Memoria/2013/memoria-bcrp-2013-
2.pdf
Banco Central de Reserva del Perú. (2000). Memoria 2000. Retrieved from
http://www.bcrp.gob.pe/publicaciones/memoria-anual/memoria-2000.html
Banco Central de Reserva del Perú. (2008). Memoria 2008.
2.pdf
2.pdf
137
Banco Central de Reserva del Perú. (2019). Balanza Comercial. Retrieved May 23, 2019,
from
https://estadisticas.bcrp.gob.pe/estadisticas/series/mensuales/resultados/PN01450B
M/html
Blanchard, O., Amighini, A. &, & Giavazzi, F. (2012). La política económica en una
economía abierta (M. P. Educación, Ed.). En E. Rabasco & L. Toharia (Trad.)
Macroeconomia.
Bustamante, R. R. (2007). Determinantes de las exportaciones no tradicionales en el
Perú 1992-2007.
Bustamante Romaní, R. (2015). Determinantes de las exportaciones no tradicionales en
el Perú 2002 - 2015. In Pensamiento Crítico Vol. 20 N° 2, pp. 53-68 (Vol. 20).
Castro Bejar, R. P., & Llallahui Huamani, W. (2013). Determinantes de las exportaciones
no tradicionales de Perú: periodo 1994:01-2011:04. Universidad Nacional San
Cristóbal De Huamanga.
Ccencho Lima, R., & Martinez Chanca, S. (2011). Influencia del programa sierra
exportadora en las exportaciones no tradicionales de la región junín del 2006 –
2009.
Curo Coila, M. (2013). Factores determinantes de las importaciones en el Perú: periodo
1996.1- 2012.6”.
Gestión. (2018). Mincetur: Exportaciones peruanas a EE.UU. alcanzarían nuevo récord
a fin de año.
Grupo de estudios del crecimiento económico. (1999). El crecimiento económico
colombiano en el siglo XX: aspectos globales. Borradores de Economía, (121), 81.
Retrieved from http://www.banrep.gov.co/docum/ftp/borra134.pdf
Gujarati, D. N., & Porter, D. C. (2010). Econometria. In McGraw-Hill.
Hernandez, J. N. (2005). Demanda de exportacione no tradicionales en colombia.
INEI, P. (2018). Evolución de la Exportaciones e Importaciones 2017. In Informe
Técnico.
Instituto Nacional de Estadística e Informática, P. (2019). Evolución de las Exportaciones
e Importaciones 2018.
Krugman, P. R., Obstfeld, M., & Melitz, M. J. (2012). Economía international: Teoría y
política. In Pearson Educación, S.A. Retrieved from
http://usfx.bo/nueva/vicerrectorado/citas/economicas_6/Economia/7 paul r.pdf
Lazo Flores, F. (2016). Un modelo de oferta exportable para productos no tradicionales
del 2004-2016. Facultad de Ingenieria Economica-UNA Puno.
Mendoza, J. L. (2010). El contexto internacional y las exportaciones peruanas de
productos agropecuarios no tradicionales : 1990-2010. 81–92.
Ministerio de Agricultura y riego del Perú. (2016). Politica Nacional Agraria. Retrieved
138
from http://minagri.gob.pe/portal/download/pdf/p-agraria/politica-nacional-
agraria.pdf
Ministerio de Comercio exterior y Turismo. (n.d.). Acuerdos Comerciales. Retrieved July
6, 2019, from https://www.mincetur.gob.pe/comercio-exterior/acuerdos-
comerciales/
Ministerio de Comercio exterior y Turismo. (2015). Ministra Magali Silva destacó
crecimiento de los sectores minería no metálica, sidero metalúrgico, químico y agro.
Misas A., M., Ramirez G., M. T., & Silva E., L. F. (2001). Exportaciones no tradicionales
en Colombia y sus determinantes. Ensayos Sobre Política Económica, (36), 73–114.
https://doi.org/10.32468/espe.3902
Oficina de Análisis Económico de los Estados Unidos. (n.d.). Ingresos personales
disponible [DSPI]. Retrieved October 14, 2019, from
https://fred.stlouisfed.org/series/DSPI
Ossa, F. (2000). Economia Internacional Aspectos Reales.
Quantitative Micro Software. (2015). Eviews 9.
Ruiz, M., & Vera Tudela, R. (2012). Exportaciones no tradicionales 2000 - 2012. Una
historia de crecimiento, apertura y diversificación. Moneda, 33–36.
Soto Vallejo, I. (2011). Determinantes del sector exportador no tradicional del
Departamento de Caldas y su comportamiento en el periodo 1980 a 2004. 132.
Retrieved from http://www.bdigital.unal.edu.co/4612/
Tamayo, M. (2014). Tipod de Investigación. 1–23. Retrieved from
http://trabajodegradoucm.weebly.com/uploads/1/9/0/9/19098589/tipos_de_investig
acion.pdf
Vásquez, K. (2015). Determinantes del crecimiento agroexportador. 22–28.
Zegarra Pérez, L. B. (2013). Determinantes de las exportaciones tradicionales y
exportaciones no tradicionales en Bolivia 1990-2011(Julio): análisis
interdependiente de largo plazo. Retrieved from
http://repositorio.umsa.bo/handle/123456789/2604
139
ANEXOS
140
ANEXO A
Tabla A.1 Exportaciones no tradicionales respecto a exportaciones totales
Exportaciones
Exportaciones Totales Productos no
Año %
(millones US$) Tradicionales
(millones US$)
2000 6954.91 2043.749 29%
2001 7025.73 2182.783 31%
2002 7713.9 2256.149 29%
2003 9090.733 2620.379 29%
2004 12809.17 3479.122 27%
2005 17367.68 4277.047 25%
2006 23830.15 5278.528 22%
2007 28094.02 6313.127 22%
2008 31018.48 7562.308 24%
2009 27070.52 6196.078 23%
2010 35803.08 7698.536 22%
2011 46375.96 10175.85 22%
2012 47410.61 11197.04 24%
2013 42860.64 11069.43 26%
2014 39532.68 11676.53 30%
2015 34414.35 10894.65 32%
2016 37019.78 10782.48 29%
2017 45421.59 11725.31 26%
2018 49066.48 13240.17 27%
Nota: Recuperado del Banco Central de Reserva del Perú (BCRP)
ANEXO B: ESTIMACIONES DE RAÍZ UNITARIA PARA LAS SERIES EN
NIVELES
B.1. RAÍZ UNITARIA PARA LXNT, CON TENDENCIA E INTERCEPTO
Null Hypothesis: LXNT has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 13 (Automatic - based on SIC, maxlag=14)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.648380 0.7704

Test critical values: 1% level -4.001516
5% level -3.430963
10% level -3.139114
*MacKinnon (1996) one-sided p-values.
141
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LXNT)
Method: Least Squares
Date: 09/13/19 Time: 08:56
Sample (adjusted): 2001M03 2018M12
Included observations: 214 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LXNT(-1) -0.050128 0.030410 -1.648380 0.1009

D(LXNT(-1)) -0.500991 0.071926 -6.965333 0.0000
D(LXNT(-2)) -0.147994 0.074500 -1.986506 0.0484
D(LXNT(-3)) -0.027719 0.075466 -0.367306 0.7138
D(LXNT(-4)) -0.092985 0.074020 -1.256219 0.2105
D(LXNT(-5)) 0.018405 0.073428 0.250649 0.8023
D(LXNT(-6)) -0.069019 0.071996 -0.958644 0.3389
D(LXNT(-7)) -0.050550 0.071575 -0.706253 0.4809
D(LXNT(-8)) -0.138967 0.071075 -1.955210 0.0520
D(LXNT(-9)) -0.037628 0.071680 -0.524947 0.6002
D(LXNT(-10)) -0.137297 0.071024 -1.933099 0.0547
D(LXNT(-11)) 0.036513 0.071514 0.510572 0.6102
D(LXNT(-12)) 0.480763 0.069802 6.887569 0.0000
D(LXNT(-13)) 0.308779 0.066643 4.633343 0.0000
C 0.282134 0.156126 1.807096 0.0723
@TREND("2000M01") 0.000381 0.000301 1.265584 0.2071
R-squared 0.444988 Mean dependent var 0.009113

Adjusted R-squared 0.402941 S.D. dependent var 0.104867
S.E. of regression 0.081030 Akaike info criterion -2.116161
Sum squared resid 1.300053 Schwarz criterion -1.864499
Log likelihood 242.4292 Hannan-Quinn criter. -2.014467
F-statistic 10.58326 Durbin-Watson stat 2.078366
Prob(F-statistic) 0.000000
B.2. TEST DE RAÍZ UNITARIA PARA LIPDEX, CON TENDENCIA E
INTERCEPTO
Null Hypothesis: LIPDEX has a unit root

t-Statistic Prob.*

5% level -3.429745
10% level -3.138397

Dependent Variable: D(LIPDEX)
Date: 10/16/19 Time: 20:21
142
LIPDEX(-1) -0.071176 0.023582 -3.018268 0.0028

C 0.638569 0.210276 3.036821 0.0027
@TREND("2000M01") 0.000234 7.89E-05 2.963731 0.0034

B.3. TEST DE RAÍZ UNITARIA PARA LTI, CON TENDENCIA E INTERCEPTO
Null Hypothesis: LTI has a unit root

t-Statistic Prob.*

5% level -3.429745
10% level -3.138397

Dependent Variable: D(LTI)
Date: 09/13/19 Time: 08:59
LTI(-1) -0.012155 0.011664 -1.042032 0.2985

C 0.055600 0.048077 1.156469 0.2487
@TREND("2000M01") 3.85E-06 4.19E-05 0.092049 0.9267

143
B.4. TEST DE RAÍZ UNITARIA PARA LTCRB, CON INTERCEPTO Y
TENDENCIA
Null Hypothesis: LTCRB has a unit root

t-Statistic Prob.*

5% level -3.429923
10% level -3.138502

Dependent Variable: D(LTCRB)
Date: 09/13/19 Time: 09:02
LTCRB(-1) -0.008802 0.010900 -0.807537 0.4202

D(LTCRB(-1)) 0.332496 0.066090 5.030932 0.0000
D(LTCRB(-2)) -0.209892 0.066476 -3.157415 0.0018
C 0.040468 0.052146 0.776048 0.4386
@TREND("2000M01") -2.06E-06 1.81E-05 -0.114137 0.9092
R-squared 0.121711 Mean dependent var -0.000589

ANEXO C: ESTIMACIONES DE RAÍCES UNITARIAS PARA LA SERIES EN
PRIMERAS DIFERENCIAS
C.1. TEST DE RAÍZ UNITARIA PARA LA LXNT EN PRIMERAS
DIFERENCIAS, CON TENDENCIA E INTERCEPTO
Null Hypothesis: D(LXNT) has a unit root

t-Statistic Prob.*
144
5% level -3.430963
10% level -3.139114

Dependent Variable: D(LXNT,2)
Date: 09/13/19 Time: 09:04
D(LXNT(-1)) -1.733694 0.502644 -3.449146 0.0007

D(LXNT(-1),2) 0.190858 0.484399 0.394010 0.6940
D(LXNT(-2),2) 0.000345 0.451262 0.000764 0.9994
D(LXNT(-3),2) -0.068319 0.414898 -0.164665 0.8694
D(LXNT(-4),2) -0.198654 0.380240 -0.522444 0.6019
D(LXNT(-5),2) -0.214774 0.343547 -0.625167 0.5326
D(LXNT(-6),2) -0.315599 0.308575 -1.022763 0.3077
D(LXNT(-7),2) -0.395409 0.273423 -1.446143 0.1497
D(LXNT(-8),2) -0.561156 0.238222 -2.355602 0.0195
D(LXNT(-9),2) -0.623182 0.199550 -3.122941 0.0021
D(LXNT(-10),2) -0.782050 0.159364 -4.907312 0.0000
D(LXNT(-11),2) -0.763176 0.115402 -6.613192 0.0000
D(LXNT(-12),2) -0.296648 0.066520 -4.459499 0.0000
C 0.025844 0.014246 1.814121 0.0712
@TREND("2000M01") -9.08E-05 9.34E-05 -0.972192 0.3321

C.2. TEST DE RAÍZ UNITARIA PARA LIPDEX EN PRIMERAS DIFERENCIAS,
CON TENDENCIA E INTERCEPTO
Null Hypothesis: D(LIPDEX) has a unit root

t-Statistic Prob.*

5% level -3.429834
10% level -3.138449
145
Dependent Variable: D(LIPDEX,2)
Date: 10/16/19 Time: 20:23
D(LIPDEX(-1)) -1.154858 0.066245 -17.43304 0.0000

C 0.004468 0.001081 4.131667 0.0001
@TREND("2000M01") -3.37E-06 7.96E-06 -0.422700 0.6729
R-squared 0.576796 Mean dependent var 1.28E-05

C.3. TEST DE RAÍZ UNITARIA PARA LTI EN PRIMERAS DIFERENCIAS,
Null Hypothesis: D(LTI) has a unit root

t-Statistic Prob.*

5% level -3.429834
10% level -3.138449

Dependent Variable: D(LTI,2)
Date: 09/13/19 Time: 09:08
D(LTI(-1)) -0.917667 0.066730 -13.75185 0.0000

C 0.005587 0.003533 1.581376 0.1152
@TREND("2000M01") -3.01E-05 2.67E-05 -1.126628 0.2611

146
C.4. TEST DE RAÍZ UNITARIA PARA LTCRB EN PRIMERAS DIFERENCIAS,
Null Hypothesis: D(LTCRB) has a unit root

t-Statistic Prob.*

5% level -3.429923
10% level -3.138502

Dependent Variable: D(LTCRB,2)
Date: 09/13/19 Time: 09:09
D(LTCRB(-1)) -0.889807 0.079430 -11.20244 0.0000

D(LTCRB(-1),2) 0.217605 0.065735 3.310367 0.0011
C -0.001625 0.001486 -1.093355 0.2754
@TREND("2000M01") 9.38E-06 1.12E-05 0.835615 0.4043
R-squared 0.394914 Mean dependent var -3.20E-05

147
ANEXO D: ESTIMACIÓN DEL MODELO DE LARGO PLAZO POR MCO
PARA EL MODELO I Y II
D.1. ESTIMACIÓN DE MODELO DE LARGO PLAZO MODELO I
Dependent Variable: LXNT

Date: 10/21/19 Time: 21:14
Sample: 2000M01 2018M12
Included observations: 228
C -9.292479 0.942186 -9.862684 0.0000

LIPDEX 1.845219 0.057605 32.03247 0.0000
LTI 0.675058 0.060067 11.23838 0.0000
LTCRB -0.994325 0.121430 -8.188491 0.0000

D.2. ESTIMACIÓN DE MODELO DE LARGO PLAZO MODELO II

Date: 10/26/19 Time: 14:44
Sample: 2000M01 2018M12
C -16.45371 0.398688 -41.26967 0.0000

LIPDEX 1.997212 0.062022 32.20163 0.0000
LTI 0.932826 0.058184 16.03230 0.0000

148
D.3. PRUEBA DE RAÍZ UNITARIA DE LOS RESIDUALES DEL MODELO DE
LARGO PLAZO SELECCIONADO
Null Hypothesis: ERRORES has a unit root

Exogenous: None
t-Statistic Prob.*

5% level -1.942324
10% level -1.615707

Dependent Variable: D(ERRORES)
Date: 10/26/19 Time: 14:46
ERRORES(-1) -0.295528 0.073258 -4.034079 0.0001

D(ERRORES(-1)) -0.364083 0.088083 -4.133414 0.0001
D(ERRORES(-2)) -0.069604 0.091278 -0.762543 0.4466
D(ERRORES(-3)) 0.123324 0.090116 1.368511 0.1727
D(ERRORES(-4)) 0.070084 0.089389 0.784035 0.4340
D(ERRORES(-5)) 0.073847 0.086294 0.855758 0.3932
D(ERRORES(-6)) 0.010854 0.084123 0.129024 0.8975
D(ERRORES(-7)) 0.066022 0.081525 0.809845 0.4190
D(ERRORES(-8)) 0.016059 0.079893 0.201001 0.8409
D(ERRORES(-9)) 0.067107 0.077260 0.868584 0.3861
D(ERRORES(-10)) -0.033382 0.075311 -0.443262 0.6581
D(ERRORES(-11)) 0.112756 0.073493 1.534234 0.1266
D(ERRORES(-12)) 0.554970 0.072672 7.636646 0.0000
D(ERRORES(-13)) 0.426705 0.078878 5.409694 0.0000
D(ERRORES(-14)) 0.159668 0.069352 2.302288 0.0224
R-squared 0.484419 Mean dependent var -4.13E-05

Durbin-Watson stat 2.049011
149
ANEXO E: MODELO VAR
E.1. SELECCIÓN DEL REZAGO OPTIMO PARA EL MODELO
VAR Lag Order Selection Criteria

Endogenous variables: D(LXNT) D(LIPDEX) D(LTI)
Exogenous variables: C
Date: 10/28/19 Time: 22:23
Sample: 2000M01 2018M12
Lag LogL LR FPE AIC SC HQ
0 1412.963 NA 5.13e-10 -12.87638 -12.82995 -12.85763

1 1439.367 51.84303 4.38e-10 -13.03531 -12.84961* -12.96031*
2 1449.531 19.67752 4.33e-10* -13.04594* -12.72096 -12.91469
3 1454.696 9.859197 4.49e-10 -13.01092 -12.54667 -12.82342
4 1458.885 7.881436 4.69e-10 -12.96699 -12.36346 -12.72324
5 1464.715 10.80685 4.83e-10 -12.93803 -12.19522 -12.63804
6 1471.107 11.67593 4.95e-10 -12.91422 -12.03213 -12.55797
7 1477.685 11.83297 5.06e-10 -12.89210 -11.87073 -12.47960
8 1487.422 17.25105* 5.03e-10 -12.89883 -11.73819 -12.43008
* indicates lag order selected by the criterion

LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
E.1. VECTOR AUTOREGRESIVO (VAR) PARA EL MODELO (2 REZAGOS)
Vector Autoregression Estimates

Date: 10/29/19 Time: 06:51
Standard errors in ( ) & t-statistics in [ ]
LXNT LIPDEX LTI
LXNT(-1) 0.400075 0.000961 -0.017440

(0.06514) (0.00565) (0.01885)
[ 6.14181] [ 0.17015] [-0.92515]
LXNT(-2) 0.253626 -0.004125 0.002065

(0.06271) (0.00544) (0.01815)
[ 4.04463] [-0.75889] [ 0.11377]
LIPDEX(-1) 0.118800 0.840638 0.145406

(0.77225) (0.06694) (0.22349)
[ 0.15383] [ 12.5586] [ 0.65061]
LIPDEX(-2) 0.518703 0.163370 -0.112031

(0.77697) (0.06735) (0.22486)
[ 0.66760] [ 2.42584] [-0.49823]
150
LTI(-1) 0.222863 0.016081 1.071942
(0.23275) (0.02017) (0.06736)
[ 0.95753] [ 0.79714] [ 15.9143]
LTI(-2) 0.147906 -0.012132 -0.071639

(0.24525) (0.02126) (0.07098)
[ 0.60308] [-0.57071] [-1.00934]
C -5.392856 -0.030944 -0.213809

(0.97670) (0.08466) (0.28266)
[-5.52148] [-0.36552] [-0.75642]
R-squared 0.980360 0.998743 0.987753

Adj. R-squared 0.979822 0.998709 0.987418
Sum sq. resids 1.793929 0.013478 0.150247
S.E. equation 0.090507 0.007845 0.026193
F-statistic 1821.935 29000.86 2943.889
Log likelihood 225.8022 778.4984 506.0292
Akaike AIC -1.936303 -6.827420 -4.416188
Schwarz SC -1.830357 -6.721474 -4.310242
Mean dependent 6.257517 9.301783 4.431800
S.D. dependent 0.637145 0.218299 0.233508
Determinant resid covariance (dof adj.) 3.42E-10

Determinant resid covariance 3.12E-10
Log likelihood 1511.477
Akaike information criterion -13.19006
Schwarz criterion -12.87222
E.3. ESTABILIDAD DEL MODELO VAR
Inverse Roots of AR Characteristic Polynomial

1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
151
E.4. FUNCIÓN IMPULSO-RESPUESTA DEL MODELO VAR
Response to Cholesky One S.D. Innovations ± 2 S.E.
Response of D(LXNT) to D(LXNT) Response of D(LXNT) to D(LIPDEX) Response of D(LXNT) to D(LTI)
.12 .12 .12
.08 .08 .08
.04 .04 .04
.00 .00 .00
-.04 -.04 -.04
-.08 -.08 -.08

1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Response of D(LIPDEX) to D(LXNT) Response of D(LIPDEX) to D(LIPDEX) Response of D(LIPDEX) to D(LTI)
.008 .008 .008
.004 .004 .004
.000 .000 .000
-.004 -.004 -.004

1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Response of D(LTI) to D(LXNT) Response of D(LTI) to D(LIPDEX) Response of D(LTI) to D(LTI)
.03 .03 .03
.02 .02 .02
.01 .01 .01
.00 .00 .00
-.01 -.01 -.01

1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
ANEXO F: COINTEGRACIÓN MULTIVARIADA DE JOHANSEN, PRUEBA
DE LA TRAZA Y MAXIMO VALOR PROPIO, PROCEDIMIENTO POR
BANDAS DE PSS, TEST DE WALD
F1. COINTEGRACIÓN DE JOHANSEN, PRUEBA DE LA TRAZA Y
MÁXIMO VALOR PROPIO
Date: 10/28/19 Time: 21:39

Trend assumption: Linear deterministic trend
Series: LXNT LIPDEX LTI
Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.128664 34.30653 29.79707 0.0141

At most 1 0.014594 3.317755 15.49471 0.9506
At most 2 4.45E-05 0.010012 3.841466 0.9200
152
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.128664 30.98877 21.13162 0.0015

At most 1 0.014594 3.307743 14.26460 0.9242
At most 2 4.45E-05 0.010012 3.841466 0.9200
Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
LXNT LIPDEX LTI

-10.02819 18.15613 10.79540
-0.568300 3.027964 -5.046972
1.798919 -11.14058 2.930824
Unrestricted Adjustment Coefficients (alpha):
D(LXNT) 0.033772 -0.001169 3.33E-05

D(LIPDEX) 0.000230 0.000186 4.93E-05
D(LTI) 0.001094 0.003051 -3.48E-05
1 Cointegrating Equation(s): Log likelihood 1509.400
Normalized cointegrating coefficients (standard error in parentheses)

LXNT LIPDEX LTI
1.000000 -1.810510 -1.076506
(0.14081) (0.12985)
Adjustment coefficients (standard error in parentheses)

D(LXNT) -0.338672
(0.06029)
D(LIPDEX) -0.002304
(0.00516)
D(LTI) -0.010968
(0.01766)
2 Cointegrating Equation(s): Log likelihood 1511.054
Normalized cointegrating coefficients (standard error in parentheses)

LXNT LIPDEX LTI
1.000000 0.000000 -6.201550
(2.16965)
0.000000 1.000000 -2.830719
(1.19689)
Adjustment coefficients (standard error in parentheses)

D(LXNT) -0.338007 0.609628
(0.06038) (0.11065)
D(LIPDEX) -0.002410 0.004736
(0.00516) (0.00946)
153
D(LTI) -0.012701 0.029094
(0.01757) (0.03219)
F.2. COINTEGRACIÓN POR BANDAS DE PSS, COEFICIENTES DE
COINTEGRACIÓN DE LARGO PLAZO

Method: ARDL
Date: 10/26/19 Time: 14:48
Maximum dependent lags: 3 (Automatic selection)
Model selection method: Akaike info criterion (AIC)
Dynamic regressors (3 lags, automatic): LIPDEX LTI
Fixed regressors: C
Number of models evalulated: 48
Selected Model: ARDL(3, 0, 1)
Variable Coefficient Std. Error t-Statistic Prob.*
LXNT(-1) 0.367271 0.066909 5.489112 0.0000

LXNT(-2) 0.207752 0.069156 3.004132 0.0030
LXNT(-3) 0.108668 0.063235 1.718464 0.0871
LIPDEX 0.578005 0.118846 4.863472 0.0000
LTI -0.050879 0.231446 -0.219830 0.8262
LTI(-1) 0.392374 0.242216 1.619934 0.1067
C -4.899699 0.945556 -5.181820 0.0000

*Note: p-values and any subsequent tests do not account for model
selection.
ARDL Cointegrating And Long Run Form
Original dep. variable: LXNT
Selected Model: ARDL(3, 0, 1)
Date: 10/26/19 Time: 14:49
Sample: 2000M01 2018M12
Cointegrating Form
D(LXNT(-1)) -0.327250 0.065729 -4.978771 0.0000

D(LXNT(-2)) -0.115995 0.061975 -1.871660 0.0626
D(LIPDEX) 1.183431 0.706946 1.674003 0.0956
D(LTI) -0.053311 0.228095 -0.233723 0.8154
CointEq(-1) -0.303088 0.050689 -5.979371 0.0000
Cointeq = LXNT - (1.8273*LIPDEX + 1.0796*LTI -15.4902 )
Long Run Coefficients
154
LIPDEX 1.827343 0.151702 12.045644 0.0000

LTI 1.079627 0.140623 7.677485 0.0000
C -15.490243 0.976238 -15.867277 0.0000
F.3. TEST DE WALD

Wald Test:
Equation: Untitled
Test Statistic Value df Probability
F-statistic 31.56653 (2, 218) 0.0000

Chi-square 63.13306 2 0.0000
Null Hypothesis: C(1)=0, C(2)=0

Null Hypothesis Summary:
Normalized Restriction (= 0) Value Std. Err.
C(1) 0.367271 0.066909

C(2) 0.207752 0.069156
Restrictions are linear in coefficients.
F.4. VALORES CRÍTICOS ASINTÓTICOS DE LAS BANDAS PARA EL

ESTADÍSTICO F
0.100 0.050 0.025 0.010

k I(0) I(1) I(0) I(1) I(0) I(1) I(0) I(0)
0 9.81 9.81 11.64 11.64 13.36 13.36 11.35 11.35
1 5.59 6.26 6.56 7.3 7.46 8.27 8.74 9.63
2 4.19 5.06 4.87 5.87 5.49 6.59 6.34 7.52
3 3.47 4.45 4.01 5.07 4.52 5.62 5.17 6.36
4 3.03 4.06 3.47 4.57 3.89 5.07 4.4 5.72
Fuente: Pesaran et. al. (2001). Tabla CI (v) Caso V
Notas: k indica el número de variables
155
ANEXO G. EVALUACIÓN ECONOMÉTRICA DEL MODELO ARDL
G.1. TEST DE NORMALIDAD
28
Series: Residuals
24 Sample 2000M04 2018M12
Observations 225
20
Mean 2.74e-15
16 Median 0.006065
Maximum 0.280205
12 Minimum -0.245727
Std. Dev. 0.088593
8 Skewness -0.015160
Kurtosis 3.475210
4
Jarque-Bera 2.125720
0 Probability 0.345466
-0.2 -0.1 0.0 0.1 0.2 0.3
G.2. TEST DE CORRELACIÓN SERIAL LM
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.241075 Prob. F(2,216) 0.7860

Obs*R-squared 0.501122 Prob. Chi-Square(2) 0.7784
Test Equation:
Dependent Variable: RESID
Method: ARDL
Date: 10/29/19 Time: 06:58
Sample: 2000M04 2018M12
Presample missing value lagged residuals set to zero.
LXNT(-1) -0.230453 0.595844 -0.386768 0.6993

LXNT(-2) 0.270185 0.481957 0.560600 0.5757
LXNT(-3) -0.047408 0.129803 -0.365232 0.7153
LIPDEX 0.008315 0.260872 0.031875 0.9746
LTI 0.005135 0.232407 0.022094 0.9824
LTI(-1) 0.008055 0.278380 0.028934 0.9769
C -0.086303 2.178293 -0.039620 0.9684
RESID(-1) 0.227703 0.599147 0.380046 0.7043
RESID(-2) -0.198936 0.297468 -0.668763 0.5044
R-squared 0.002227 Mean dependent var 2.74E-15

Adjusted R-squared -0.034727 S.D. dependent var 0.088593
156
G.3. TEST DE WHITE
Heteroskedasticity Test: White
F-statistic 1.645389 Prob. F(6,218) 0.1359

Obs*R-squared 9.747891 Prob. Chi-Square(6) 0.1357
Scaled explained SS 11.32506 Prob. Chi-Square(6) 0.0788
Test Equation:
Dependent Variable: RESID^2
Date: 10/29/19 Time: 06:59
Sample: 2000M04 2018M12
C 0.043986 0.063070 0.697417 0.4863

LXNT(-1)^2 -0.001231 0.000724 -1.699349 0.0907
LXNT(-2)^2 0.002243 0.000764 2.936961 0.0037
LXNT(-3)^2 -0.000723 0.000686 -1.053218 0.2934
LIPDEX^2 -0.000542 0.000869 -0.623471 0.5336
LTI^2 -0.003434 0.003558 -0.965001 0.3356
LTI(-1)^2 0.003408 0.003717 0.916815 0.3603

G.4. TEST DE CUSUM
60
40
20
-20
-40
-60
2002 2004 2006 2008 2010 2012 2014 2016 2018
CUSUM 5% Significance
157
G.5. TEST DE CUSUM CUADRADO
1.2
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
2002 2004 2006 2008 2010 2012 2014 2016 2018
CUSUM of Squares 5% Significance
G.6. TEST DE RAMSEY
Ramsey RESET Test

Equation: UNTITLED
Specification: LXNT LXNT(-1) LXNT(-2) LXNT(-3) LIPDEX LTI LTI(-1) C
Omitted Variables: Squares of fitted values
Value df Probability
t-statistic 0.216674 217 0.8287
F-statistic 0.046948 (1, 217) 0.8287
F-test summary:
Mean
Sum of Sq. df Squares
Test SSR 0.000380 1 0.000380
Restricted SSR 1.758117 218 0.008065
Unrestricted SSR 1.757736 217 0.008100
Unrestricted Test Equation:

Method: ARDL
Date: 10/29/19 Time: 07:00
Sample: 2000M04 2018M12
Maximum dependent lags: 4 (Automatic selection)
Model selection method: Akaike info criterion (AIC)
Dynamic regressors (4 lags, automatic):
Fixed regressors: C
Variable Coefficient Std. Error t-Statistic Prob.*
LXNT(-1) 0.391675 0.131080 2.988062 0.0031
158
LXNT(-2) 0.221838 0.095023 2.334572 0.0205
LXNT(-3) 0.115344 0.070469 1.636816 0.1031
LIPDEX 0.622265 0.236462 2.631566 0.0091
LTI -0.064092 0.239836 -0.267232 0.7895
LTI(-1) 0.421265 0.276956 1.521052 0.1297
C -5.448782 2.705528 -2.013944 0.0453
FITTED^2 -0.005411 0.024973 -0.216674 0.8287

*Note: p-values and any subsequent tests do not account for model
selection.
ANEXO H: BASE DE DATOS
Tabla I.1 Data del modelo de las principales variables macroeconómicas de las
exportaciones para productos no tradicionales en el Perú, periodo 2000.01 a 2018.12
Mes/Año XNT IPDEX TI TCRB

Ene00 166.89037 7198.1 57.3001244 116.143239
Feb00 166.6586 7248.9 56.2323651 114.827696
Mar00 157.334387 7298.4 55.6179633 114.71527
Abr00 151.619651 7325.0 54.7326001 115.392784
May00 155.278272 7358.8 55.0868001 116.319266
Jun00 168.218371 7401.1 54.4652888 116.311061
Jul00 177.265599 7455.6 55.9021083 115.759274
Ago00 169.168417 7495.5 54.6981347 115.127953
Sep00 147.996715 7528.7 55.4458642 115.331961
Oct00 213.38415 7549.6 53.7973796 115.772733
Nov00 181.392689 7556.4 54.6680317 116.695902
Dic00 188.541947 7579.2 53.1651743 116.155595
Ene01 182.73211 7658.4 53.3218567 116.773799
Feb01 178.563955 7682.3 55.6118021 117.14517
Mar01 175.390678 7705.5 55.3519323 116.531849
Abr01 162.9826 7698.3 53.29898 118.783713
May01 180.348514 7700.9 54.3845353 120.676634
Jun01 154.816021 7714.9 55.0365745 118.62198
Jul01 224.894845 7826.1 55.2082906 117.166795
Ago01 179.708489 7959.9 54.6638987 117.128987
Sep01 182.146567 7875.6 53.8851354 117.531131
Oct01 184.568989 7781.1 54.8551664 116.08668
Nov01 181.6929 7793.9 55.9659374 115.774919
159
Dic01 194.937384 7801.7 56.4472356 115.282242
Ene02 170.869407 7962.4 56.6535449 116.971697
Feb02 170.865766 7981.9 57.597813 118.052394
Mar02 169.634599 8003.6 58.6455032 117.388972
Abr02 170.747092 8066.9 58.8993099 116.600201
May02 169.815673 8099.5 58.5486863 116.864889
Jun02 204.337469 8127.2 58.8597877 118.189692
Jul02 182.143045 8117.7 60.2182913 120.058126
Ago02 183.479794 8127.9 58.5837121 121.601809
Sep02 191.786435 8145.4 57.7868714 122.890252
Oct02 210.130708 8183.2 59.4655098 122.080422
Nov02 196.549358 8215.7 61.1316827 121.494426
Dic02 235.789481 8250.3 59.8330384 118.929483
Ene03 190.349 8273.0 58.7389834 118.49174
Feb03 191.1043 8284.1 59.4437724 118.507226
Mar03 206.7247 8324.3 57.2581048 117.739183
Abr03 189.3238 8351.2 55.8084904 117.052237
May03 195.5849 8403.6 58.3339835 117.456103
Jun03 214.5861 8436.3 58.2368666 118.062124
Jul03 215.4862 8562.0 59.1455172 118.116955
Ago03 219.7911 8645.9 59.7565547 118.853082
Sep03 231.2445 8567.0 62.191654 118.597519
Oct03 243.1904 8599.5 61.8781108 118.320928
Nov03 252.3168 8664.8 65.2130807 117.788208
Dic03 270.6767 8697.0 64.3368659 116.783222
Ene04 251.2227 8725.1 64.8942287 116.587665
Feb04 256.0536 8760.8 68.7760756 116.504049
Mar04 275.4324 8811.2 72.3280434 116.10044
Abr04 241.0473 8864.2 70.5396713 116.652172
May04 291.1618 8941.5 69.0794671 117.51368
Jun04 258.4737 8974.9 69.8962185 116.887059
Jul04 300.8029 9002.1 65.6634942 115.275828
Ago04 303.2634 9033.3 67.79406 113.810947
Sep04 292.092 9055.7 66.5247954 112.760618
Oct04 314.3884 9100.6 69.3574479 112.14655
Nov04 321.0212 9111.9 68.2692908 111.518366
Dic04 374.1626 9455.1 68.7926961 110.14324
Ene05 331.394 9127.4 68.5253839 109.832354
Feb05 319.7891 9156.2 70.2338141 110.407572
Mar05 327.9457 9215.3 70.4020732 110.568661
Abr05 336.945 9269.1 70.8897582 111.133784
May05 364.6758 9316.0 72.372643 110.775042
Jun05 332.0464 9341.7 73.1995443 110.468517
Jul05 370.6063 9383.8 72.4048989 110.839532
Ago05 357.0542 9433.4 71.6773036 111.788718
160
Sep05 353.3653 9491.5 73.1728687 115.006433
Oct05 392.0122 9575.6 71.4734177 117.620109
Nov05 394.4209 9634.6 77.009643 116.433446
Dic05 396.7916 9685.4 79.8804574 117.127105
Ene06 378.154 9831.1 82.1529956 116.370349
Feb06 343.7009 9870.8 82.9879803 112.395452
Mar06 397.4979 9905.7 84.4974792 114.234351
Abr06 381.3081 9943.2 91.4975959 114.35406
May06 433.7974 9963.6 98.7883075 113.711373
Jun06 421.5886 10012.1 97.0671414 113.566116
Jul06 463.4903 10039.4 98.0257666 113.363598
Ago06 490.1204 10068.2 99.665288 113.123605
Sep06 389.4327 10105.2 96.4005008 113.00257
Oct06 546.7696 10132.4 98.9096049 111.985033
Nov06 529.7416 10175.5 101.525723 111.602951
Dic06 502.9263 10251.9 98.497644 111.158367
Ene07 466.065 10298.2 98.8343414 111.041411
Feb07 438.4034 10370.1 99.060901 111.269885
Mar07 457.4464 10442.9 100.11969 111.728389
Abr07 467.1975 10464.2 106.412568 111.996063
May07 471.5991 10487.0 107.389619 111.749062
Jun07 527.8234 10492.8 102.027531 111.536388
Jul07 562.7774 10518.5 103.847088 110.655004
Ago07 539.4499 10533.1 100.12865 110.205894
Sep07 534.4178 10597.8 96.0263117 109.06454
Oct07 633.974 10611.1 97.5129308 104.921562
Nov07 493.5866 10653.9 95.5108611 104.769167
Dic07 720.386 10717.3 94.7228148 103.524198
Ene08 625.4009 10756.7 95.0166066 102.747584
Feb08 565.309 10777.4 97.0872653 100.568432
Mar08 601.9565 10806.4 97.5520199 97.126221
Abr08 607.3937 10786.0 97.7563282 95.3761333
May08 611.8787 11353.6 92.0819729 97.8030309
Jun08 644.7947 11131.9 90.5561777 101.076607
Jul08 670.7897 11004.0 89.10201 99.5368112
Ago08 658.5415 10931.8 86.6885243 100.075847
Sep08 682.2165 10974.0 83.1702048 101.900177
Oct08 680.2638 10966.3 78.0942226 103.9515
Nov08 634.5123 10922.7 73.5319445 102.199404
Dic08 579.2504 10809.4 73.5297325 101.492751
Ene09 471.9119 10851.7 74.5975517 103.048199
Feb09 444.3328 10761.6 77.7760312 106.433745
Mar09 518.425 10749.3 78.8857741 104.294141
Abr09 427.9237 10863.0 79.4331381 101.579532
May09 461.7392 11056.3 83.3518937 98.9113539
161
Jun09 513.6744 10938.1 82.9146958 99.9814267
Jul09 518.6024 10888.0 84.6426163 100.370678
Ago09 521.8217 10891.7 86.8370573 98.7318048
Sep09 539.6534 10930.3 89.7654089 97.509499
Oct09 544.486 10925.1 93.0429087 96.2146189
Nov09 593.5106 10982.4 96.6651446 96.8178507
Dic09 639.9965 11047.3 98.5966222 96.1071512
Ene10 493.1246 11070.4 100.024524 95.4485596
Feb10 533.8386 11066.5 99.9452734 95.0829729
Mar10 576.5888 11116.3 98.8647676 94.7159353
Abr10 588.8405 11213.5 101.373261 94.8753486
May10 534.4365 11306.0 105.190809 94.9120429
Jun10 685.4266 11319.7 101.715522 94.3344933
Jul10 658.0127 11348.2 100.559716 93.5075963
Ago10 613.1768 11396.3 102.671646 92.6980916
Sep10 658.5232 11395.7 106.013539 92.4046495
Oct10 729.9997 11446.1 109.39316 92.6788615
Nov10 797.1209 11493.0 109.804131 93.179479
Dic10 829.4467 11600.4 108.934766 93.508067
Ene11 694.212 11686.4 112.279207 92.6365419
Feb11 743.5444 11749.2 113.044496 92.1890173
Mar11 818.1718 11760.7 114.668729 92.7344316
Abr11 769.0091 11788.3 112.92148 93.9090927
May11 814.2529 11812.1 114.506946 93.0097614
Jun11 794.0825 11865.4 111.50578 92.4541763
Jul11 904.9071 11922.0 112.668608 91.0522762
Ago11 917.1932 11937.8 116.200499 90.9970319
Sep11 902.967 11933.7 113.940793 90.9795442
Oct11 861.1881 11955.8 107.995221 90.1105702
Nov11 946.1521 11978.1 106.568953 88.7659411
Dic11 1010.1693 12093.6 107.593656 88.0240906
Ene12 858.8703 12227.0 110.773248 88.3827857
Feb12 821.3897 12330.3 112.604575 88.1842412
Mar12 957.9608 12396.4 109.652436 87.7669773
Abr12 802.8128 12461.1 108.539 87.1086034
May12 899.8791 12456.8 109.782444 87.37305
Jun12 965.382 12461.2 104.492416 87.3195333
Jul12 951.0602 12377.4 106.050003 85.9398248
Ago12 990.0617 12371.2 105.251826 85.3586693
Sep12 901.9425 12469.3 109.388595 84.847232
Oct12 960.2138 12600.4 108.508352 84.4568668
Nov12 1033.8604 12769.7 109.442131 84.5310474
Dic12 1053.6024 13093.6 110.490447 83.0588958
Ene13 867.2266 12362.5 111.455519 82.7229025
Feb13 813.4854 12345.3 109.982509 84.3283041
162
Mar13 858.1162 12347.8 106.612226 84.3062934
Abr13 817.9647 12387.1 104.015052 84.1216781
May13 897.9569 12466.1 101.824354 85.6268358
Jun13 886.2576 12506.2 98.7181933 88.9463502
Jul13 912.4557 12507.9 98.6112178 89.4369949
Ago13 945.3634 12554.4 98.1396295 89.8636848
Sep13 890.3121 12610.3 102.144532 89.1273257
Oct13 973.1269 12597.6 98.7480157 88.5614829
Nov13 1072.616 12656.7 99.1811655 89.5017029
Dic13 1134.5497 12721.3 97.565831 88.9347648
Ene14 928.4342 12805.7 98.2731776 89.7402736
Feb14 946.6475 12891.5 98.5989001 89.6526853
Mar14 985.1797 12987.4 95.9774334 89.5644963
Abr14 853.5723 13060.7 96.1724493 89.1248815
May14 920.8594 13131.7 95.4751259 88.9990802
Jun14 944.2841 13206.6 93.637279 89.2550668
Jul14 972.4668 13267.0 97.517754 88.5764251
Ago14 982.3095 13327.5 98.2204175 89.4057948
Sep14 946.9695 13371.6 97.6550302 90.9001143
Oct14 1015.883 13424.5 95.850091 91.6570801
Nov14 1051.5481 13478.7 97.0471538 91.8964882
Dic14 1128.3752 13539.7 97.1860134 92.3020225
Ene15 938.615 13537.5 93.1814445 93.0748408
Feb15 912.8707 13597.9 94.1237825 95.4598539
Mar15 902.9333 13588.3 91.0619251 95.7065694
Abr15 736.4992 13667.9 91.8867889 96.4016048
May15 858.5271 13752.0 93.0890112 97.291037
Jun15 895.8585 13812.8 91.750632 97.6416522
Jul15 890.5157 13861.1 89.6694602 97.8253676
Ago15 849.8834 13889.4 88.0170701 99.0667066
Sep15 866.925 13902.4 85.9302165 98.2823724
Oct15 948.7573 13912.0 89.304883 99.0051707
Nov15 984.9451 13899.3 86.8763992 101.132815
Dic15 1108.3147 13939.1 85.8174268 101.724032
Ene16 892.6564 14002.0 83.9436678 103.154332
Feb16 790.2979 14004.5 85.5035061 105.116015
Mar16 793.1047 14040.4 89.9745268 101.991896
Abr16 780.2871 14065.0 88.6521611 99.2812321
May16 832.615 14076.9 88.0834222 100.444002
Jun16 800.6006 14109.2 87.700687 100.11563
Jul16 885.1466 14161.8 91.7488076 99.3349338
Ago16 889.6757 14199.6 90.1971034 100.101601
Sep16 929.2391 14256.3 91.5385137 101.615131
Oct16 974.8682 14315.0 90.1652278 101.432546
Nov16 1004.308 14350.0 94.4562384 101.487145
163
Dic16 1225.4686 14400.5 95.9766387 100.958093
Ene17 964.0918 14538.5 91.5836841 99.6538393
Feb17 821.2279 14605.7 93.5662302 97.2534012
Mar17 872.0118 14663.5 95.537469 96.1944054
Abr17 798.4547 14688.3 92.0982476 96.2438818
May17 966.6493 14754.2 93.1644679 97.4953572
Jun17 946.0841 14758.1 92.7162102 97.588178
Jul17 984.6452 14811.2 94.1345881 96.7655735
Ago17 1022.3843 14871.7 97.8928638 96.1850263
Sep17 994.5132 14959.0 100.516101 96.8508344
Oct17 1033.51 15035.5 102.068986 97.3920972
Nov17 1068.7757 15109.0 103.582476 97.2711148
Dic17 1252.9644 15201.7 102.442581 97.2312357
Ene18 1128.6189 15394.7 102.397049 96.7035965
Feb18 990.5871 15462.8 102.648256 97.9004972
Mar18 1023.1117 15538.7 100.475398 97.7521656
Abr18 1031.2456 15585.7 98.8637995 97.6324983
May18 1114.5513 15651.8 98.4947138 99.3247729
Jun18 1094.5589 15722.3 97.5366409 99.0711826
Jul18 1068.5257 15794.8 95.6117973 98.8703998
Ago18 1157.9022 15861.3 91.799239 99.1411743
Sep18 1047.647 15870.0 90.9954977 99.7670948
Oct18 1190.1961 15931.5 91.5622734 100.542872
Nov18 1137.8181 15962.7 92.7467783 101.307367
Dic18 1255.405 16122.0 94.8652962 100.482489
164

Apaza Calcina Georjes Walter

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apaza Calcina Georjes Walter

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DEL ALTIPLANO - PUNO

FACULTAD DE INGENIERÍA ECONÓMICA

“FACTORES DETERMINANTES DE LAS EXPORTACIONES

Bach. GEORJES WALTER APAZA CALCINA

PARA OPTAR EL TÍTULO PROFESIONAL DE:

A Jheily, una persona

• A mis padres, quienes siempre me han apoyado y me han brindado todo lo

necesario para seguir adelante.

a lo largo de la realización de esta tesis, también por la ayuda brindada durante mi

recomendaciones y ayuda brindada.

• A todos los docentes de la Escuela Profesional de Ingeniería Económica por los

conocimientos recibidos durante mi formación académica.

1.1. PLANTEAMIENTO DEL PROBLEMA ........................................................ 15

1.2. OBJETIVOS DE ESTUDIO ............................................................................ 29

CAPÍTULO II: REVISIÓN DE LITERATURA............................................................ 30

2.1. ANTECEDENTES .......................................................................................... 30

2.2. MARCO TEÓRICO ........................................................................................ 37

2.2.1. Economía internacional ............................................................................ 37

2.2.2. Comercio internacional............................................................................. 38

2.2.3. Efectos de la elasticidad de oferta de exportación en países en desarrollo

2.2.4. Teorema de la igualación de las remuneraciones de los factores ............. 40

2.2.5. Factores determinantes de las exportaciones ............................................ 45

2.2.6. Modelo macroeconómico dinámico de las exportaciones ........................ 50

2.3. MARCO CONCEPTUAL ............................................................................... 54

2.4. HIPÓTESIS DE LA INVESTIGACIÓN ......................................................... 61

CAPÍTULO III: MATERIALES Y MÉTODOS ............................................................ 63

3.1. DISEÑO DE INVESTIGACIÓN .................................................................... 63

3.1.1. Descriptivo ............................................................................................... 63

3.1.2. Analítico ................................................................................................... 63

3.1.3. Explicativo ................................................................................................ 64

3.2. POBLACIÓN Y MUESTRA........................................................................... 64

3.2.1. Muestra ..................................................................................................... 64

3.2.3. Identificación de variables ........................................................................ 65

3.2.4. Modelo General ........................................................................................ 65

3.2.5. Técnicas de procesamiento y análisis de datos ......................................... 67

3.3. METODOLOGÍA ........................................................................................ 68

3.3.1. Para el objetivo específico N° 1 ............................................................... 68

3.3.2. Para el objetivo específico N° 2 ............................................................... 68

3.3.3. Para el objetivo específico N° 3 ............................................................... 68

CAPÍTULO IV: RESULTADOS Y DISCUSIÓN ......................................................... 82

4.1. HECHOS ESTILIZADOS ............................................................................... 82

4.1.1. Comportamiento de las exportaciones tradicionales y exportaciones no

4.1.2. Comportamiento de las Exportaciones para productos no tradicionales .. 86

4.1.3. Composición de las exportaciones para productos no tradicionales por

4.2. COMPORTAMIENTO DE LAS VARIABLES MACROECONÓMICAS . 100

4.2.2. Comportamiento de los términos de intercambio ................................... 102

4.2.3. Comportamiento del tipo de cambio real bilateral ................................. 106

4.2.4. Estadísticas descriptivas de las series ..................................................... 106

4.2.5. Correlación de variables ......................................................................... 108

4.3. VARIABLES MACROECONÓMICAS QUE INFLUYEN

4.3.1. Contraste de raíces unitarias de las variables macroeconómicas ........... 109

4.4. RELACIONES A LARGO PLAZO DE LAS EXPORTACIONES PARA

4.4.2. Numero de rezagos óptimos del VAR .................................................... 118

4.4.3. Análisis de cointegración multivariada de Johansen .............................. 119

4.4.4. Modelo de cointegración de Johansen .................................................... 120

4.4.5. Modelo de cointegración de contraste por bandas: El método de Pesaran,

4.4.6. Coeficiente de ajuste ............................................................................... 127

4.5. DISCUSIÓN .................................................................................................. 128

V. CONCLUSIONES ................................................................................................... 131

VI. RECOMENDACIONES ........................................................................................ 134

VII. REFERENCIAS BIBLIOGRÁFICAS .................................................................. 137

ANEXOS ...................................................................................................................... 140

Figura N°1: Efecto de inelasticidad En la oferta de exportación. .................................. 40

Tabla N°1: Especificación de variables .......................................................................... 65